本文選題：冷軋板　切入點：板形模式識別　出處：《礦冶工程》2017年05期

【摘要】：針對板形模式識別問題,將板形信號離散化、歸一化,作為終端滑模模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本,建立識別模型。在模糊神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,利用終端滑模權(quán)值調(diào)整律代替梯度下降法的權(quán)值調(diào)整律,提高網(wǎng)絡(luò)的精度。為了進一步提高識別的精度以及收斂速度,引入布谷鳥算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的模型參數(shù)。仿真結(jié)果表明,提出的識別模型對訓(xùn)練樣本和未訓(xùn)練樣本的平均最小方差分別為0.000 5和0.011 0,比模糊神經(jīng)網(wǎng)絡(luò)(FNN)和徑向基神經(jīng)網(wǎng)絡(luò)(RBF)的值都小。對某冷軋廠寬度1 040 mm帶材的一組實測板形數(shù)據(jù)識別結(jié)果表明,相比于FNN和RBF網(wǎng)絡(luò),CS-TSMFNN的識別效果更好。
[Abstract]:In order to solve the problem of shape pattern recognition, the shape signal is discretized and normalized, which is used as the learning sample of terminal sliding mode fuzzy neural network, and the recognition model is established. In order to improve the accuracy of the network, the terminal sliding mode weight adjustment law is used instead of the gradient descent method to improve the accuracy of the network. The model parameters of fuzzy neural network are optimized by Cuckoo algorithm. The simulation results show that, The average minimum variance for training and untrained samples is 0.000 5 and 0.011 0 respectively, which is smaller than that of fuzzy neural network (FNN) and radial basis function neural network (RBFN). The recognition results of measured shape data show that, The recognition effect of CS-TSMFNN is better than that of FNN and RBF networks.
【作者單位】： 燕山大學(xué)電氣工程學(xué)院工業(yè)計算機控制河北省重點實驗室;
【基金】：河北省自然科學(xué)基金(F2016203006)
【分類號】：TG334.9;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 潘恒滄;曾靜;;模糊神經(jīng)網(wǎng)絡(luò)在智能攻絲控制系統(tǒng)中的應(yīng)用研究[J];精密制造與自動化;2008年02期

2 孔金生;田志超;;分層模糊神經(jīng)網(wǎng)絡(luò)的軋鋼產(chǎn)品質(zhì)量建模[J];自動化與儀表;2011年08期

3 韓遠飛;曾衛(wèi)東;趙永慶;周義剛;;模糊神經(jīng)網(wǎng)絡(luò)在鈦合金研究領(lǐng)域中的應(yīng)用[J];材料導(dǎo)報;2011年15期

4 婁臻亮,張永清;模糊神經(jīng)網(wǎng)絡(luò)及其在鐓粗過程中的應(yīng)用[J];模具技術(shù);2000年06期

5 張宏韜;姜輝;楊建國;;模糊神經(jīng)網(wǎng)絡(luò)理論在數(shù)控機床熱誤差補償建模中的應(yīng)用[J];上海交通大學(xué)學(xué)報;2009年12期

6 陳勇;;用模糊神經(jīng)網(wǎng)絡(luò)進行銑刀磨損狀態(tài)識別[J];機械;2011年01期

7 陸文樂;袁慶豐;孫忠峰;李桂琴;;模糊神經(jīng)網(wǎng)絡(luò)在電火花線切割加工中的應(yīng)用[J];機械設(shè)計與制造;2007年04期

8 王世明,黃永清,李天石;推送系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)控制[J];機床與液壓;1999年04期

9 賈春玉,李艷文,王茜慧;基于模糊神經(jīng)網(wǎng)絡(luò)進行磨削加工尺寸精度智能控制的研究[J];燕山大學(xué)學(xué)報;2001年01期

10 李小俚,姚英學(xué),袁哲俊;基于小波模糊神經(jīng)網(wǎng)絡(luò)刀具監(jiān)控系統(tǒng)研究[J];機械工程學(xué)報;1998年01期

相關(guān)會議論文 前9條

1 吳金妹;陳學(xué)永;王貴成;;基于模糊神經(jīng)網(wǎng)絡(luò)的振動攻絲工藝參數(shù)優(yōu)化匹配的研究[A];2005年中國機械工程學(xué)會年會論文集[C];2005年

2 吳金妹;陳學(xué)永;王貴成;;基于模糊神經(jīng)網(wǎng)絡(luò)的振動攻絲工藝參數(shù)優(yōu)化匹配的研究[A];2005年中國機械工程學(xué)會年會第11屆全國特種加工學(xué)術(shù)會議專輯[C];2005年

3 吳金妹;陳學(xué)永;王貴成;;基于模糊神經(jīng)網(wǎng)絡(luò)的振動攻絲工藝參數(shù)優(yōu)化匹配的研究[A];2005年中國機械工程學(xué)會年會論文集第11屆全國特種加工學(xué)術(shù)會議專輯[C];2005年

4 孫蕾;王焱;;變結(jié)構(gòu)模糊神經(jīng)網(wǎng)絡(luò)在AGC系統(tǒng)中的應(yīng)用[A];自動化技術(shù)與冶金流程節(jié)能減排——全國冶金自動化信息網(wǎng)2008年會論文集[C];2008年

5 李宣;孫志輝;張宏昌;;基于模糊聚類的模糊神經(jīng)網(wǎng)絡(luò)在鋁帶厚度控制系統(tǒng)建模中的應(yīng)用[A];冶金企業(yè)自動化、信息化與創(chuàng)新——全國冶金自動化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

6 鄒天來;王秀梅;張曉峰;王國棟;劉相華;;模糊神經(jīng)網(wǎng)絡(luò)在軋制力預(yù)報中的應(yīng)用[A];第八屆全國塑性加工理論與新技術(shù)學(xué)術(shù)會議論文集[C];1999年

7 崔紅;龐中華;劉軍;金元郁;;基于綜合算法的補償模糊神經(jīng)網(wǎng)絡(luò)及其在電火花加工中的應(yīng)用[A];2005年中國機械工程學(xué)會年會第11屆全國特種加工學(xué)術(shù)會議專輯[C];2005年

8 崔紅;龐中華;劉軍;金元郁;;基于綜合算法的補償模糊神經(jīng)網(wǎng)絡(luò)及其在電火花加工中的應(yīng)用[A];2005年中國機械工程學(xué)會年會論文集第11屆全國特種加工學(xué)術(shù)會議專輯[C];2005年

9 崔紅;龐中華;劉軍;金元郁;;基于綜合算法的補償模糊神經(jīng)網(wǎng)絡(luò)及其在電火花加工中的應(yīng)用[A];2005年中國機械工程學(xué)會年會論文集[C];2005年

相關(guān)博士學(xué)位論文 前1條

1 朱喜林;模糊神經(jīng)網(wǎng)絡(luò)選擇機械加工參數(shù)的應(yīng)用研究[D];吉林大學(xué);2006年

相關(guān)碩士學(xué)位論文 前4條

1 丁光彬;中頻淬火模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)研究[D];吉林大學(xué);2005年

2 謝汝兵;基于模糊神經(jīng)網(wǎng)絡(luò)的數(shù)控機床故障診斷的研究[D];太原科技大學(xué);2013年

3 高倩;直線伺服系統(tǒng)的二階終端滑�？刂芠D];沈陽工業(yè)大學(xué);2016年

4 吳瀛;基于DSP的拉絲機智能控制系統(tǒng)研究[D];西安理工大學(xué);2008年

，

本文編號：1690282