基于改進神經網(wǎng)絡的板形識別方法.pdf

1、隨著經濟迅速發(fā)展和科學技術的不斷進步，社會的各行業(yè)對板帶鋼的需求也日益增長，因此，對板帶鋼的質量要求也越來越高。板形作為檢測板帶鋼質量的重要指標，如何科學地解決板形的問題也早已成為國內外專家研究的重要課題。本文以人工智能理論中神經網(wǎng)絡作為研究基礎，選擇冷軋板帶鋼的板形缺陷識別作為研究課題。通過對冷軋帶鋼板形缺陷模式的分析，提出了一種基于Elman神經網(wǎng)絡的板形識別方法。
　　本研究分析了Elman神經網(wǎng)絡的優(yōu)缺點，對于該神經網(wǎng)絡訓

2、練速度慢、存在早熟現(xiàn)象的缺陷，提出利用遺傳算法對網(wǎng)絡進行優(yōu)化改進。進而分析了遺傳算法的性能特點，發(fā)現(xiàn)遺傳算法求解多峰非線性問題時，容易陷入局部極值和出現(xiàn)早熟收斂現(xiàn)象。為此，將人工免疫思想、自適應機制和混沌優(yōu)化思想引入算法的進化過程，對種群個體進行免疫選擇、自適應交叉、混沌變異，從而增強算法的全局搜索能力，提高算法搜索精度，實現(xiàn)對遺傳算法的改進，進而提出了混沌免疫遺傳優(yōu)化算法。然后，本文采用此算法對Elman神經網(wǎng)絡的初始權值和閾值參數(shù)進