發(fā)布時(shí)間：2017-08-26 01:48

  本文關(guān)鍵詞：計(jì)算智能若干方法的應(yīng)用研究

  更多相關(guān)文章： 計(jì)算智能 模糊技術(shù) 神經(jīng)網(wǎng)絡(luò) 遺傳算法 活性石灰生產(chǎn)線

【摘要】：傳統(tǒng)的人工智能是符號(hào)主義，以知識(shí)為基礎(chǔ)，通過推理進(jìn)行問題求解。計(jì)算智能是以數(shù)據(jù)為基礎(chǔ)，以連接主義的思想為主，通過訓(xùn)練建立聯(lián)系，進(jìn)行問題求解。常見的計(jì)算智能方法有神經(jīng)網(wǎng)絡(luò)、模糊技術(shù)、進(jìn)化計(jì)算、混沌科學(xué)等。計(jì)算智能方法正得到越來越多學(xué)者的研究和完善，并與傳統(tǒng)的人工智能技術(shù)互相交叉、取長(zhǎng)補(bǔ)短，使得人工智能研究與應(yīng)用呈現(xiàn)出向上的發(fā)展趨勢(shì)。 本文研究了模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)和遺傳算法三種典型計(jì)算智能方法在工業(yè)控制上的應(yīng)用，并對(duì)神經(jīng)網(wǎng)絡(luò)和遺傳算法進(jìn)行深入的分析研究，從兩種方法的互補(bǔ)性入手，將兩種方法進(jìn)行融合。 本文首先從計(jì)算機(jī)工業(yè)監(jiān)測(cè)控制系統(tǒng)的一個(gè)實(shí)例出發(fā)，研究模糊技術(shù)在工業(yè)控制上的應(yīng)用。該系統(tǒng)注重對(duì)作為知識(shí)獲取來源的知識(shí)源本身的研究，依照工業(yè)規(guī)范，設(shè)計(jì)模糊控制規(guī)則，用于構(gòu)建活性石灰生產(chǎn)線安全智能監(jiān)控系統(tǒng)。為了對(duì)智能控制系統(tǒng)在質(zhì)量控制中的非線性問題做進(jìn)一步的研究，本文介紹了另外兩種計(jì)算智能方法——神經(jīng)網(wǎng)絡(luò)和遺傳算法。 神經(jīng)網(wǎng)絡(luò)是一種處理復(fù)雜系統(tǒng)中非線性問題的有效方法。雖然在有合理的結(jié)構(gòu)和恰當(dāng)?shù)臋?quán)值的條件下，BP網(wǎng)絡(luò)可以逼近任意的連續(xù)函數(shù)，，但是確定該合理結(jié)構(gòu)和權(quán)值并不是網(wǎng)絡(luò)本身所能實(shí)現(xiàn)的。BP算法是基于梯度的方法，這種方法的收斂速度慢，且常受局部極小點(diǎn)的困擾，采用具有全局收斂性的遺傳算法則可擺脫這種困境。于是本文選擇采用遺傳算法優(yōu)化網(wǎng)絡(luò)的初始權(quán)重，然后利用BP算法最終完成網(wǎng)絡(luò)訓(xùn)練的方法。 雖然在一定條件下遺傳算法總是以概率1收斂于問題的最優(yōu)解，但是基本的遺傳算法并不能保證全局最優(yōu)收斂。為此，本文引入泛函分析中的壓縮映射原理，并結(jié)合此原理提出一種改進(jìn)的遺傳算法——壓縮映射遺傳算法。 本文將壓縮映射遺傳算法用于學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，提出了面向神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值學(xué)習(xí)的壓縮映射遺傳算法。 最后，本文利用遺傳神經(jīng)網(wǎng)絡(luò)建立了活性石灰生產(chǎn)線質(zhì)量智能監(jiān)控模型，運(yùn)用網(wǎng)絡(luò)模型提供提高產(chǎn)品質(zhì)量的操作建議。檢驗(yàn)結(jié)果證明，該模型具有較高的可靠性，可以在生產(chǎn)過程中實(shí)時(shí)地提供提高產(chǎn)品質(zhì)量的操作建議。
【關(guān)鍵詞】：計(jì)算智能 模糊技術(shù) 神經(jīng)網(wǎng)絡(luò) 遺傳算法 活性石灰生產(chǎn)線
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2005
【分類號(hào)】：TP273
【目錄】：

• 第1章 引言6-10
• 1.1 研究背景與意義6-7
• 1.2 計(jì)算智能方法7-9
• 1.3 論文的研究工作9-10
• 第2章 模糊技術(shù)在計(jì)算機(jī)監(jiān)控系統(tǒng)中的應(yīng)用研究10-34
• 2.1 計(jì)算機(jī)監(jiān)測(cè)控制系統(tǒng)10-16
• 2.1.1 計(jì)算機(jī)監(jiān)測(cè)控制系統(tǒng)的定義和功能10-11
• 2.1.2 計(jì)算機(jī)監(jiān)測(cè)控制的特點(diǎn)11-13
• 2.1.3 從常規(guī)監(jiān)測(cè)控制到智能監(jiān)測(cè)控制13-15
• 2.1.4 智能監(jiān)測(cè)控制系統(tǒng)的類型15-16
• 2.2 模糊智能控制16-18
• 2.2.1 模糊理論與模糊控制16-17
• 2.2.2 模糊控制器的基本原理17-18
• 2.2.3 基本模糊控制器的設(shè)計(jì)方法18
• 2.3 活性石灰生產(chǎn)線安全智能監(jiān)控系統(tǒng)設(shè)計(jì)18-33
• 2.3.1 工業(yè)爐窯計(jì)算機(jī)控制的發(fā)展和意義18-19
• 2.3.2 活性石灰生產(chǎn)線概述19-21
• 2.3.3 活性石灰生產(chǎn)線操作方法21-24
• 2.3.4 基于專家知識(shí)的模糊規(guī)則24-33
• 2.4 本章小結(jié)33-34
• 第3章 BP神經(jīng)網(wǎng)絡(luò)理論34-45
• 3.1 神經(jīng)網(wǎng)絡(luò)概述34-40
• 3.1.1 神經(jīng)網(wǎng)絡(luò)的定義及發(fā)展現(xiàn)狀34-38
• 3.1.2 人工神經(jīng)網(wǎng)絡(luò)的基本模型38-40
• 3.2 BP網(wǎng)絡(luò)理論40-44
• 3.2.1 BP網(wǎng)絡(luò)結(jié)構(gòu)40-41
• 3.2.2 BP算法的數(shù)學(xué)描述41-43
• 3.2.3 BP網(wǎng)絡(luò)中的神經(jīng)元模型43
• 3.2.4 BP網(wǎng)絡(luò)的訓(xùn)練過程43-44
• 3.3 本章小結(jié)44-45
• 第4章 壓縮映射遺傳算法的研究45-59
• 4.1 遺傳算法概述45-52
• 4.1.1 遺傳算法的定義及發(fā)展現(xiàn)狀45-49
• 4.1.2 遺傳算法的基本思想49-52
• 4.2 基本遺傳算法52-55
• 4.2.1 基本遺傳算法的構(gòu)成要素52-53
• 4.2.2 基本遺傳算法描述53-55
• 4.3 壓縮映射遺傳算法55-58
• 4.3.1 壓縮映射原理55-56
• 4.3.2 壓縮映射遺傳算法及其可行性與收斂性56-58
• 4.4 本章小結(jié)58-59
• 第5章 神經(jīng)網(wǎng)絡(luò)與遺傳算法的融合59-73
• 5.1 神經(jīng)網(wǎng)絡(luò)與遺傳算法融合的基礎(chǔ)59-61
• 5.1.1 神經(jīng)網(wǎng)絡(luò)需要遺傳算法59-60
• 5.1.2 遺傳算法需要神經(jīng)網(wǎng)絡(luò)60-61
• 5.2 面向神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值學(xué)習(xí)的壓縮映射遺傳算法61-64
• 5.3 遺傳神經(jīng)網(wǎng)絡(luò)建立活性石灰生產(chǎn)線質(zhì)量智能監(jiān)控模型64-72
• 5.3.1 建立遺傳神經(jīng)網(wǎng)絡(luò)模型65
• 5.3.2 遺傳神經(jīng)網(wǎng)絡(luò)檢測(cè)結(jié)果分析65-68
• 5.3.3 運(yùn)用遺傳神經(jīng)網(wǎng)絡(luò)模型提供提高產(chǎn)品質(zhì)量的操作建議68-72
• 5.4 本章小結(jié)72-73
• 第6章 結(jié)論與展望73-75
• 6.1 結(jié)論73
• 6.2 展望73-75
• 參考文獻(xiàn)75-78
• 攻讀碩士學(xué)位期間參與研究和發(fā)表的學(xué)術(shù)論文78-79
• 致謝79

【引證文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前3條

1 胡軍;李秉利;;電腦信息化管理在燃?xì)庑袠I(yè)中的應(yīng)用[J];才智;2011年17期

2 史雪龍;;淺析計(jì)算機(jī)監(jiān)控系統(tǒng)在燃?xì)庑袠I(yè)中應(yīng)用[J];電腦知識(shí)與技術(shù);2009年02期

3 符娟;鐘_

本文編號(hào)：738932