GA-CRBF网络板形识别的DSP实现

摘要：

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。

关键词：板形识别、RBF神经网络、云模型、遗传算法、DSP

所属期刊栏目：36

分类号：TG339(金属压力加工)

资助基金：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

在线出版日期：2017-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：113-117