本文關(guān)鍵詞：主動學(xué)習(xí)算法在板厚控制系統(tǒng)中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：主動學(xué)習(xí)算法是用來減少機器學(xué)習(xí)算法標(biāo)記數(shù)據(jù)需求量的有效方法,它采用未標(biāo)記樣例輔助已標(biāo)記樣例的形式對分類器進行訓(xùn)練,以此構(gòu)建高精度分類器。將主動學(xué)習(xí)應(yīng)用到板厚控制系統(tǒng)中是機器學(xué)習(xí)及智能控制領(lǐng)域研究的重要課題。針對板厚控制系統(tǒng)自適應(yīng)能力較弱,智能化程度較低等問題,從模擬生物自學(xué)習(xí)的角度建立了板厚控制系統(tǒng)基于主動學(xué)習(xí)的發(fā)育模型。基于該發(fā)育模型,板厚控制系統(tǒng)能夠根據(jù)系統(tǒng)反饋值做出控制參數(shù)的自適應(yīng)調(diào)整,并不斷積累調(diào)整經(jīng)驗以此提高系統(tǒng)智能化程度。首先,針對目前BP神經(jīng)網(wǎng)絡(luò)控制算法中訓(xùn)練樣本采集耗時長的問題,提出了一種基于主動學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)控制算法。仿真實驗結(jié)果顯示,通過采用主動學(xué)習(xí)算法有效減少了網(wǎng)絡(luò)訓(xùn)練時間。其次,針對主動學(xué)習(xí)算法中傳統(tǒng)采樣策略易采集重復(fù)樣例的問題,提出了一種改進型采樣策路,實現(xiàn)網(wǎng)絡(luò)訓(xùn)練樣本的采集,并使用快速下降算法用于網(wǎng)絡(luò)自學(xué)習(xí)過程,提出一種改進型多層感知器神經(jīng)網(wǎng)絡(luò)控制算法。最后,針對網(wǎng)絡(luò)最終性能因自身結(jié)構(gòu)固定不變而受影響的問題,提出一種動態(tài)神經(jīng)網(wǎng)絡(luò)。根據(jù)全局敏感度分析法調(diào)整動態(tài)網(wǎng)絡(luò)結(jié)構(gòu),通過該動態(tài)網(wǎng)絡(luò)在線調(diào)節(jié)PID控制器的參數(shù),以此構(gòu)建主動學(xué)習(xí)發(fā)育模型,從而建立控制帶鋼厚度的智能系統(tǒng)。主動學(xué)習(xí)算法的應(yīng)用使板厚控制系統(tǒng)的智能化程度與自適應(yīng)能力得以提高,最后的仿真實驗驗證了該研究的有效性。由于時間和條件的限制,研究尚有多方面等待改進和深入討論。
【關(guān)鍵詞】：主動學(xué)習(xí)算法 全局敏感度分析法 動態(tài)神經(jīng)網(wǎng)絡(luò) 板厚控制
【學(xué)位授予單位】：華北理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TG334.9;TP181
【目錄】：

• 摘要4-5
• Abstract5-9
• 引言9-10
• 第1章 緒論10-18
• 1.1 課題研究的背景及意義10-11
• 1.2 帶鋼厚度控制技術(shù)的發(fā)展過程及其研究近況11-13
• 1.2.1 厚度控制技術(shù)的發(fā)展11-12
• 1.2.2 厚度控制技術(shù)的研究現(xiàn)狀12-13
• 1.3 主動學(xué)習(xí)算法概述13-14
• 1.4 人工神經(jīng)網(wǎng)絡(luò)概述神14-16
• 1.4.1 人工神經(jīng)網(wǎng)絡(luò)基本原理及其特點14-15
• 1.4.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展與其在板厚控制中的應(yīng)用15-16
• 1.5 主要研究內(nèi)容與論文安排16-18
• 第2章 液壓AGC系統(tǒng)結(jié)構(gòu)模型18-27
• 2.1 厚度控制典型模式18-21
• 2.1.1 位置控制模式18-19
• 2.1.2 軋制力控制模式19-21
• 2.2 液壓AGC系統(tǒng)數(shù)學(xué)模型21-26
• 2.2.1 PID控制器21
• 2.2.2 伺服放大器21
• 2.2.3 電液伺服閥21-22
• 2.2.4 液壓缸22-24
• 2.2.5 背壓回油管道24-25
• 2.2.6 位移傳感器25
• 2.2.7 測厚儀25
• 2.2.8 液壓AGC系統(tǒng)數(shù)學(xué)模型25-26
• 2.3 本章小結(jié)26-27
• 第3章 基于主動學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)控制算法設(shè)計27-42
• 3.1 BP神經(jīng)網(wǎng)絡(luò)27-31
• 3.1.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)27-28
• 3.1.2 BP算法原理28-29
• 3.1.3 BP神經(jīng)網(wǎng)絡(luò)權(quán)值調(diào)整規(guī)則29-31
• 3.2 主動學(xué)習(xí)算法31-32
• 3.2.1 主動學(xué)習(xí)基本概念31-32
• 3.2.2 主動學(xué)習(xí)算法基于不確定性的采樣策略32
• 3.3 基于主動學(xué)習(xí)的BP網(wǎng)絡(luò)板厚控制算法設(shè)計32-34
• 3.3.1 基于主動學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)32-33
• 3.3.2 基于主動學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計33-34
• 3.3.3 基于主動學(xué)習(xí)的BP網(wǎng)絡(luò)控制器算法實現(xiàn)過程34
• 3.4 仿真實驗34-41
• 3.5 本章小結(jié)41-42
• 第4章 改進型多層感知器神經(jīng)網(wǎng)絡(luò)控制算法設(shè)計42-55
• 4.1 快速下降算法42-46
• 4.1.1 傳統(tǒng)BP算法分析42
• 4.1.2 快速下降算法42-44
• 4.1.3 快速下降算法收斂性驗證44-46
• 4.2 基于改進型不確定性采樣策略的主動學(xué)習(xí)46-47
• 4.3 改進型多層感知器神經(jīng)網(wǎng)絡(luò)控制算法設(shè)計47-50
• 4.3.1 改進型多層感知器結(jié)構(gòu)模型及信息處理47-48
• 4.3.2 改進型多層感知器神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)流程48-49
• 4.3.3 改進型多層感知器神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計49
• 4.3.4 改進型多層感知器神經(jīng)網(wǎng)絡(luò)控制算法實現(xiàn)步驟49-50
• 4.4 仿真實驗50-54
• 4.5 本章小結(jié)54-55
• 第5章 基于主動學(xué)習(xí)的板厚控制系統(tǒng)發(fā)育模型設(shè)計55-72
• 5.1 動態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型55-57
• 5.2 動態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整57-64
• 5.2.1 全局敏感度分析法57-60
• 5.2.2 動態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整及收斂性分析60-64
• 5.3 基于主動學(xué)習(xí)的發(fā)育模型設(shè)計64-67
• 5.3.1 主動學(xué)習(xí)發(fā)育模型的設(shè)計64-65
• 5.3.2 控制算法實現(xiàn)步驟65-67
• 5.4 仿真實驗67-71
• 5.5 本章小結(jié)71-72
• 結(jié)論72-74
• 參考文獻74-78
• 致謝78-79
• 導(dǎo)師簡介79-80
• 作者簡介80-81
• 學(xué)位論文數(shù)據(jù)集81

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報控制中的應(yīng)用[J];機床;1993年11期

2 楊自厚;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在鋼鐵工業(yè)中的應(yīng)用第8講人工神經(jīng)網(wǎng)絡(luò)在鋼鐵工業(yè)中的應(yīng)用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學(xué)軍,劉壯,王守儉;神經(jīng)網(wǎng)絡(luò)在冶金中的應(yīng)用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經(jīng)網(wǎng)絡(luò)及在多組分分析中的初步應(yīng)用[J];計算機與應(yīng)用化學(xué);2000年Z1期

5 王繼宗,王西娟;用神經(jīng)網(wǎng)絡(luò)確定梁上裂紋位置的研究[J];煤炭學(xué)報;2000年S1期

6 趙學(xué)慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經(jīng)網(wǎng)絡(luò)狀態(tài)預(yù)報器的驗證[J];無錫輕工大學(xué)學(xué)報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經(jīng)網(wǎng)絡(luò)的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經(jīng)網(wǎng)絡(luò)在冶金工業(yè)中的應(yīng)用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經(jīng)網(wǎng)絡(luò)進行觀測數(shù)據(jù)的分析與處理[J];連云港化工高等�？茖W(xué)校學(xué)報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經(jīng)網(wǎng)絡(luò)的穩(wěn)態(tài)優(yōu)化策略[J];材料科學(xué)與工程;2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

2 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

3 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

4 胡婷;改進QGA-BP模型及其在彌苴河總氮量預(yù)測中的應(yīng)用[D];昆明理工大學(xué);2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測研究[D];昆明理工大學(xué);2015年

6 劉波;短期風(fēng)電功率預(yù)測方法研究[D];南京信息工程大學(xué);2015年

7 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學(xué);2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評估中的應(yīng)用研究[D];昆明理工大學(xué);2015年

10 馬亮;降水點分類預(yù)測方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

  本文關(guān)鍵詞：主動學(xué)習(xí)算法在板厚控制系統(tǒng)中的應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

本文編號：307664