混合优化RBF-BP网络的板形缺陷识别
针对传统板形模式识别方法存在精度低、鲁棒性弱的问题,提出了一种混合优化RBF-BP组合神经网络板形模式识别方法.首先利用自组织映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定RBF的中心,并计算RBF的宽度,克服了传统聚类算法随机选取中心导致聚类结果不稳定的问题.然后利用遗传算法(GA)良好的全局搜索能力优化整个网络的权值.RBF-BP组合神经网络是由一个RBF子网和一BP子网串联构成的,该网络同时具备BP神经网络能较好地预测未知样本的能力以及RBF神经网络的逼近速度快的优点.并以某900HC可逆冷轧机板形识别为应用背景,在MATLAB2010a环境下进行仿真实验,结果表明混合优化RBF-BP组合神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形缺陷识别精度并具有较好的鲁棒性,可以满足板带轧机高精度的板形控制要求.
模式识别、RBF-BP、混合优化、自组织映射网络、遗传算法、板形
34
TP183(自动化基础理论)
河北省自然科学基金;河北省高等学校创新团队领军人才培育计划;河北省高等学校自然科学研究重点项目;自筹项目;燕山大学基础研究专项培育课题
2020-05-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
149-156