基于蚁群神经网络铝带坯晶粒度软测量建模的研究

基于蚁群神经网络铝带坯晶粒度软测量建模的研究

ID:33952731

大小:2.52 MB

页数:71页

时间:2019-03-02

基于蚁群神经网络铝带坯晶粒度软测量建模的研究_第1页
基于蚁群神经网络铝带坯晶粒度软测量建模的研究_第2页
基于蚁群神经网络铝带坯晶粒度软测量建模的研究_第3页
基于蚁群神经网络铝带坯晶粒度软测量建模的研究_第4页
基于蚁群神经网络铝带坯晶粒度软测量建模的研究_第5页
资源描述:

《基于蚁群神经网络铝带坯晶粒度软测量建模的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、JIllll[111IllIllllIlllY1915401SOFTSENSoRMoDELINGoFALUMINUMSTRIPGRAINSIZEBASEDoNANTCoLONYOPTIMIZATIoNALGoIUTHMANDRBFNEURALNETWORKMasterDegreeCandidate::№nY坠坠』iSchoolofInformationScience&EngineeringCentralSouthUniversityChangshaHunanP.R.C原创性声明本人声明,所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。

2、尽我所知,除了论文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。作者签名:纽墨叁日期:丝型年—翻盈日学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定,即:学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文

3、全文数据库》,并通过网络向社会公众提供信息服务。导师签名三堑熏耸日期:世年鱼月趋日摘要铝电磁铸轧系统是一个涉及多领域的非线性复杂系统,其生产过程稳态优化的核心问题是生产过程模型的建立和过程控制参数的确定。晶粒度是评价铝带坯质量的重要指标,目前还没有任何仪表可以进行晶粒度的在线检测。为了实现生产过程的优化控制,引入了软测量技术实现晶粒度的在线检测。本文采用径向基(RBF)牢0经网络建立了关于晶粒度的软测量模型,并采用蚁群算法(ACO)进行模型参数的优化研究。ImF神经网络以其简单的网络结构、快速的训练过程和良好的推广能力等诸多优点在许多应用领域取得了成功

4、。论文在分析了铝电磁铸轧工艺的基础上,选取了与晶粒度有关的易测变量作为辅助变量。对采集到的样本数据进行预处理和主元分析后,作为软测量模型的输入,建立了基于RBF神经网络的铝带坯晶粒度软测量模型。针对ImF神经网络隐层中心的不确定性所造成的模型结构不稳定和泛化能力差等问题,在基本蚁群算法的基础上,采用蚁群聚类算法对RBF神经网络的隐层中心进行优化,确定网络的中心与宽度。研究结果表明:采用ImF神经网络建立的软测量模型具有良好的逼近和拟合能力;引入蚁群聚类算法对ImF神经网络进行参数优化后,模型的收敛速度、稳定性和泛化能力都有明显提高。关键词晶粒度,软测量

5、,RBF神经网络,蚁群算法ABSTRACTThealuminumelectromagneticcastingcontrolsystemisanonlinearcomplexsystemrelatingtomanyfields.111ecoreproblemofproductionprocesssteady—stateoptimizationistheconstructionofproductionprocessmodelandthedeterminationofprocesscontrolsystemparameters.Thegrainsizeisa

6、nimportantindexformeasuringthealuminumstrip’Squality.UntilnOW,thereisnoinstrumentCanbeusedtomeasurethevalueofgrainsizeonline.Inordertoachieveoptimalcontroloftheproductionprocess,thesoft-sensormeasurementtechniquewasintroducedtoachieveonlinemeasurementofgrainsize.Inthispaper,thes

7、oftsensormodelofaluminumstrip’SgrainsizehasbeenestablishedbasedonRBFneuralnetwork,andmodelparametershasbeenoptimizedbyantcolonyoptimizationalgorithm(ACO).RBFneuralnetworkhasbeensuccessfullyusedinmanyfieldsbecauseofitscapabilityofsimplestructure,fasttrainingspeedandgoodgeneraliza

8、tionability.Basedonanalysisofelectromagneticcas

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。