基于CGA-SNPOM优化RBF-ARX模型的板形缺陷识别
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.0253-6099.2018.03.031

基于CGA-SNPOM优化RBF-ARX模型的板形缺陷识别

引用
针对传统优化算法(SNPOM)在辨识RBF-ARX模型参数时易陷入局部最优解的问题,将云遗传算法(CGA)和SNPOM算法结合,提出一种混合优化算法CGA-SNPOM.并以某公司900HC可逆冷轧机板形识别为应用背景,设计了基于CGA-SNPOM优化RBF-ARX的板形缺陷识别模型.分别用SNPOM算法和CGA-SNPOM算法对RBF-ARX模型参数进行优化,仿真验证表明,基于CGA-SNPOM优化的板形识别系统克服了SNPOM容易陷入局部极值的缺点,识别精度大幅提高,是一种有效的板形识别方案.

板形识别、板形缺陷、SNPOM、云遗传、RBF-ARX

38

TP183(自动化基础理论)

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;秦皇岛市科技局自筹项目201703A229;2016年燕山大学基础研究专项培育课题16LGY015

2018-08-27(万方平台首次上网日期,不代表论文的发表时间)

共5页

127-131

相关文献
评论
暂无封面信息
查看本期封面目录

矿冶工程

0253-6099

43-1104/TD

38

2018,38(3)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn