本文關(guān)鍵詞：基于改進(jìn)遺傳算法優(yōu)化Elman網(wǎng)絡(luò)的板形識別方法　出處：《鋼鐵研究學(xué)報》2017年04期 　論文類型：期刊論文

  更多相關(guān)文章： 改進(jìn)遺傳算法 Elman神經(jīng)網(wǎng)絡(luò) 板形缺陷識別

【摘要】：針對目前的板形缺陷識別方法精度不高、識別速度慢的問題,根據(jù)Elman神經(jīng)網(wǎng)絡(luò)模型可以反映系統(tǒng)動態(tài)特性,而且可以逼近任意非線性函數(shù)的特點,提出了一種利用改進(jìn)的遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò),使其泛化能力強(qiáng)、學(xué)習(xí)速度快、識別精度高,并建立板形缺陷模式識別模型的方法。為了驗證該方法的識別能力,在隱層節(jié)點數(shù)與學(xué)習(xí)次數(shù)相同的條件下,分別與遺傳算法優(yōu)化的Elman網(wǎng)絡(luò)和BP網(wǎng)絡(luò)模型進(jìn)行板形識別仿真對比分析。試驗結(jié)果表明,改進(jìn)遺傳算法優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)模型對板形缺陷識別精度高于BP網(wǎng)絡(luò)等模型,并且具有收斂速度快的優(yōu)點。
[Abstract]:In order to solve the problem of low accuracy and slow recognition speed of the current shape defect identification methods, the Elman neural network model can reflect the dynamic characteristics of the system and approach the characteristics of any nonlinear function. An improved genetic algorithm is proposed to optimize the Elman neural network, which has the advantages of strong generalization ability, fast learning speed and high recognition accuracy. In order to verify the recognition ability of the method, the number of hidden layer nodes is the same as the number of learning times. Compared with the genetic algorithm optimized Elman neural network and BP neural network model for shape recognition simulation analysis. The experimental results show that. The improved genetic algorithm (GA) optimized Elman neural network model has higher accuracy for shape defect identification than BP neural network model, and has the advantage of fast convergence speed.
【作者單位】： 濟(jì)南大學(xué)控制科學(xué)與工程學(xué)院;
【分類號】：TG334.9;TP18
【正文快照】： 板帶材是在日常生產(chǎn)生活中最常見的基礎(chǔ)材料,高質(zhì)量的板帶材對經(jīng)濟(jì)發(fā)展建設(shè)具有重要的作用,因此如何提高板帶材的品質(zhì)是目前中國最重要的科研方向[1]。板形是評價板材質(zhì)量的關(guān)鍵指標(biāo),板形模式識別更是在板形控制系統(tǒng)中至關(guān)重要[2-3]。近年來,在板形模式識別上研究及應(yīng)用最多的

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;Multicomponent Kinetic Determination by Wavelet Packet Transform Based Elman Recurrent Neural Network Method[J];Chemical Research in Chinese Universities;2004年06期

2 高玲;石俊仙;任守信;;Elman回歸神經(jīng)網(wǎng)絡(luò)同時定量測定三種酚類化合物[J];光譜學(xué)與光譜分析;2006年01期

3 趙英凱,蔡寧,熊輝;基于自校正改進(jìn)Elman網(wǎng)的肟化投酮量建模與預(yù)估[J];石油化工自動化;1999年03期

4 王玲玲;宣大民;徐永生;蘇剛;;基于OIF-Elman神經(jīng)網(wǎng)絡(luò)的燃?xì)馊肇?fù)荷預(yù)測[J];煤氣與熱力;2008年07期

5 榮菡;劉波平;鄧澤元;羅香;;Elman網(wǎng)絡(luò)近紅外光譜技術(shù)同時測定鮮乳中三種主成分含量[J];食品科技;2008年11期

6 蔡鑫;南新元;孔軍;;改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)在氧化還原電位預(yù)測中的應(yīng)用[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2014年02期

7 秦宇;;Elman神經(jīng)網(wǎng)絡(luò)在電力電子電路故障診斷中的應(yīng)用[J];輕工科技;2013年04期

8 陳鋒,胡上序,俞蒙槐;用分段訓(xùn)練的Elman遞歸神經(jīng)網(wǎng)絡(luò)濾除色譜數(shù)據(jù)中的噪聲[J];高等學(xué)�；瘜W(xué)學(xué)報;2000年02期

9 趙奇,劉開第,龐彥軍;Elman神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法及其在非線性系統(tǒng)辨識中的應(yīng)用[J];煤礦機(jī)械;2005年05期

10 袁仁茂;馬鳳山;鄧清海;徐錫偉;;基于Elman型神經(jīng)網(wǎng)絡(luò)的金川二礦地表巖移時序預(yù)測模型[J];工程地質(zhì)學(xué)報;2008年01期

相關(guān)會議論文 前10條

1 ;Study of PID Elman Neural Network and Its Application in Dynamical Systems Identification[A];第二十四屆中國控制會議論文集（下冊）[C];2005年

2 ;Identification of dynamic nonlinear systems using recurrent neural networks[A];第十九屆中國控制會議論文集（一）[C];2000年

3 蘇剛;王玲玲;徐永生;;基于改進(jìn)Elman網(wǎng)絡(luò)的燃?xì)庳?fù)荷預(yù)測[A];第十七屆全國過路控制會議論文集[C];2006年

4 趙建玉;高慧;賈磊;;基于Elman神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測模型[A];第二十七屆中國控制會議論文集[C];2008年

5 郭式偉;呂建;張秀蘭;;基于改進(jìn)Elman網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測[A];全國暖通空調(diào)制冷2008年學(xué)術(shù)年會資料集[C];2008年

6 符利勇;何錚;唐守正;劉應(yīng)安;;基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的林隙大小預(yù)測模型[A];第九屆中國林業(yè)青年學(xué)術(shù)年會論文摘要集[C];2010年

7 WenJie Wu;DaGui HUANG;Zheng DONG;;Fault Diagnosis of the Aeroengine Based on Neural Network and D-S Evidence Theory[A];Proceedings of 2011 International Conference on Computer Science and Information Technology(ICCSIT 2011)[C];2011年

8 孟令啟;張洛明;韓麗麗;馬金亮;黃其柏;;基于MATLAB的Elman神經(jīng)網(wǎng)絡(luò)在中厚板軋機(jī)寬展預(yù)測中的應(yīng)用[A];第二屆中國CAE工程分析技術(shù)年會論文集[C];2006年

9 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九屆中國控制會議論文集[C];2010年

10 邰新軍;陸建榮;;基于Elman神經(jīng)網(wǎng)絡(luò)的炮兵戰(zhàn)場目標(biāo)價值分析[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

相關(guān)博士學(xué)位論文 前2條

1 時小虎;Elman神經(jīng)網(wǎng)絡(luò)與進(jìn)化算法的若干理論研究及應(yīng)用[D];吉林大學(xué);2006年

2 王麗敏;計算智能改進(jìn)方法及其在金融與環(huán)境領(lǐng)域中的應(yīng)用[D];吉林大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 林鵬;冷軋APC系統(tǒng)智能控制器設(shè)計與實驗研究[D];燕山大學(xué);2015年

2 曹芙;基于Elman神經(jīng)網(wǎng)絡(luò)及優(yōu)化算法的混合模型的研究及應(yīng)用[D];蘭州大學(xué);2015年

3 劉超;429例直腸惡性腫瘤基于SVM和Elman的單病種醫(yī)療費用預(yù)測模型研究與應(yīng)用[D];昆明醫(yī)科大學(xué);2015年

4 許菲菲;基于Elman網(wǎng)絡(luò)溫度預(yù)測模型的差壓氣密性檢測方法研究[D];中國計量學(xué)院;2015年

5 宋菁華;高爐冶煉過程的多尺度特性與硅含量預(yù)測方法研究[D];浙江大學(xué);2016年

6 王柳;基于復(fù)合特性Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測[D];天津工業(yè)大學(xué);2016年

7 周展;基于Elman神經(jīng)網(wǎng)絡(luò)控制的風(fēng)電最大功率點追蹤的研究[D];湖南大學(xué);2016年

8 關(guān)福生;基于GIF Elman神經(jīng)網(wǎng)絡(luò)的輸油管道工況辨識技術(shù)的研究[D];東北大學(xué);2011年

9 黃艷南;基于Elman橋梁損傷識別與監(jiān)測數(shù)據(jù)處理研究[D];東北大學(xué);2014年

10 艾靜;基于GA-Elman預(yù)測模型的網(wǎng)絡(luò)輿情研究[D];華中師范大學(xué);2013年

，

本文編號：1423841