10.3969/j.issn.0253-6099.2016.06.029
GA-CRBF网络板形识别的DSP实现
针对传统RBF网络板形模式识别方法存在抗干扰能力差、识别精度有限以及缺乏处理不确定性信息的能力等问题,将云模型引入RBF神经网络,提出一种新型板形识别模型。 MATALB仿真结果表明:新型GA?CRBF网络正确识别出板形缺陷,识别精度比传统的RBF网络提升73%,抗干扰性也提升了83%。将GA?CRBF网络写入DSP芯片中运行后,正确识别出缺陷板形,验证了其工程应用的可行性,为神经网络推广应用到实际工程中提供了依据。
板形识别、RBF神经网络、云模型、遗传算法、DSP
36
TG339(金属压力加工)
河北省自然科学基金-钢铁联合研究基金项目E2015203354;河北省高校创新团队领军人才培育计划项目LJRC013;河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目ZD2016100;2016年燕山大学基础研究专项培育课题16LGY015
2017-03-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
113-117