基于CGA-SNPOM优化RBF-ARX模型的板形缺陷识别

摘要：

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.

关键词：板形识别、板形缺陷、SNPOM、云遗传、RBF-ARX

所属期刊栏目：38

分类号：TP183(自动化基础理论)

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;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

在线出版日期：2018-08-27（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：127-131