一種改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用.pdf

1、本文詳細(xì)論述了徑向基神經(jīng)網(wǎng)絡(luò)算法及其基于混沌遺傳優(yōu)化的改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)算法，以及該算法在轉(zhuǎn)爐提釩靜態(tài)模型的建立過(guò)程中的應(yīng)用。 通過(guò)參考國(guó)內(nèi)外研究成果，研究并分析了徑向基神經(jīng)網(wǎng)絡(luò)的研究成果和當(dāng)前的進(jìn)展，針對(duì)傳統(tǒng)徑向基神經(jīng)網(wǎng)絡(luò)算法存在的不足以及所需要解決的工程問(wèn)題，本文提出了一種基于混沌遺傳算法的改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)的建模方法。針對(duì)目前國(guó)內(nèi)外還沒有一種成熟可靠的數(shù)學(xué)模型來(lái)對(duì)轉(zhuǎn)爐提釩過(guò)程如何操作進(jìn)行控制和指導(dǎo)，用該算法辨識(shí)轉(zhuǎn)爐提釩

2、的反應(yīng)過(guò)程；并且在實(shí)際生產(chǎn)運(yùn)行中，根據(jù)提釩前的檢驗(yàn)數(shù)據(jù)來(lái)預(yù)測(cè)提釩時(shí)應(yīng)該怎樣進(jìn)行操作才能保證良好的提釩效果和半鋼質(zhì)量，從而達(dá)到工藝生產(chǎn)目標(biāo)的實(shí)現(xiàn)。 本文根據(jù)建模的需要，對(duì)建模和優(yōu)化方法進(jìn)行了研究和改進(jìn)。 首先，本文詳細(xì)分析了遺傳算法進(jìn)行全局搜索的基本原理之后，考慮到遺傳算法在種群進(jìn)化質(zhì)量方面的局限性，一方面自適應(yīng)地調(diào)整交叉變異概率的方法來(lái)提高種群進(jìn)化質(zhì)量，另一方面提出了利用混沌序列的內(nèi)部有規(guī)律性對(duì)種群的初始值進(jìn)行變化，這兩

3、種措施的提出克服了遺傳算法的“早熟”現(xiàn)象的出現(xiàn)，并且仿真實(shí)驗(yàn)驗(yàn)證了此混沌遺傳算法的有效性。 接著，本文深入探討了神經(jīng)網(wǎng)絡(luò)基本理論以及傳統(tǒng)徑向基神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，在此基礎(chǔ)上，針對(duì)徑向基神經(jīng)網(wǎng)絡(luò)逼近能力和泛化能力不理想的問(wèn)題，將徑向基神經(jīng)網(wǎng)絡(luò)和混沌遺傳算法相結(jié)合，充分利用徑向基神經(jīng)網(wǎng)絡(luò)的逼近能力和混沌遺傳算法的全局搜索能力。結(jié)合點(diǎn)就是采用混沌遺傳算法來(lái)求解徑向基神經(jīng)網(wǎng)絡(luò)隱層到輸出層的權(quán)值，并且仿真實(shí)驗(yàn)驗(yàn)證了改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)算法

4、的合理性。 在經(jīng)過(guò)比較，確定了用改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)建立轉(zhuǎn)爐提釩靜態(tài)數(shù)學(xué)模型，并用建立靜態(tài)模型對(duì)轉(zhuǎn)爐提釩過(guò)程進(jìn)行離線控制。同傳統(tǒng)的徑向基神經(jīng)網(wǎng)絡(luò)控制結(jié)果比較，得出以下結(jié)論：利用混沌遺傳算法求解徑向基神經(jīng)網(wǎng)絡(luò)的權(quán)值比用梯度下降法調(diào)整權(quán)值的方法更容易達(dá)到全局最優(yōu)解，而且提高了神經(jīng)網(wǎng)絡(luò)的逼近非線性系統(tǒng)的精度和速度；利用改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)建立的轉(zhuǎn)爐提釩模型具有自學(xué)習(xí)性、自組織性和自適應(yīng)性，用該模型預(yù)測(cè)提釩輔料加入量后，釩、碳、半鋼溫度