生块质量与煅烧生产工艺参数间的关系模型研究
发布时间：2021-06-16 10:10
预焙阳极的生产过程是一个工序复杂而且原料之间的反应机理比较不明确的过程。现在的国内外大多通过建立一般的数学模型等方法对质量进行控制,但是效果仍然不理想。神经网络算法是模拟人脑结构而开发出来的一种数学模型,它对预焙阳极生产中煅烧工艺参数和生块质量间复杂的关系问题,可以进行自适应的非线性映射。因此,神经网络算法在预焙阳极生产中的应用是非常必要的。根据煅烧生产工艺参数与生块质量评价参数间的关系模型研究的课题需求,重新归纳和设计从而形成了混合遗传模拟退火算法（GASA算法）。使之既拥有了遗传算法较强的全局搜索能力,又拥有了模拟退火算法较强的局部搜索能力。同时,本文将GASA算法用于优化BP神经网络算法的初始权值和阈值,从而形成GASA-BP算法。最后,本文以煅烧生产工艺参数作为输入,以生块质量的评价参数作为输出,应用GASA-BP算法形成生块质量与煅烧工艺参数间的预测模型。本文的具体工作和内容如下:（1）分析预焙阳极生产过程中不同工序之间的关系以及原料的作用,选择恰当的特征参数并对其进行数据采集和数据预处理工作。（2）研究模拟退火算法和遗传算法以及BP神经网络算法,根据其各自的特点进行优化,形...
【文章来源】：北方工业大学北京市
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图２－１单点交叉??
叉算子??子即把父代个体中的基因各取一部分组成子代个体的基因。点交叉和多点交叉。??叉就是在父代个体的基因串中按照一定方法选择一个基因的作时将两个个体的交叉点前的基因或者交叉点后的基因结构生两个新的个体。如图２－１所示：??Ｐａｒｅｎｔ?Ｏｆｆ－ｓｐｒｉｎｇｓ??ｈｌ〇｜ｉｌ〇ｌｉ｜ｉｌ?ｈｌ〇ＭｈＭｌ〇ｌ?????｜ｉ｜ｉ?ｏ｜ｉ｜ｉ｜ｏ｜?１?１１ｏ！ｏ１１?ｉｌ??ｌ．．．．．．—??．．．．．．?１．—???Ｊ?Ｃｒｏｓｓｏｖｅｒ???１???■??＞??图２－１单点交叉??叉就是在父代个体的基因串中按照一定方法选择多个基因的交作时候将两个个体的多个交叉点之间的基因结构进行交换，从体。以两点交叉为例，如图２－２所示：??Ｐａｒｅｎｔ?Ｏｆｆ－ｓｐｒｉｎｇｓ??
了提前设定的最大值后，遗传算法便会终止运算并输出当前最优个体的值。??２．１．３遗传算法流程??如图２－４所示为遗传算法流程图。首先初始化种群数据，其中包括在解空间??内随机种群数据并进行编码。然后计算出种群中每个个体的适应度值，为后面选??择操作提供概率参考。紧接着就是选择和交叉以及变异等遗传操作，这些操作过??后会产生子代种群数据。然后根据终止条件的设置继续进行迭代，或者输出当前??种群中的最优解个体值。算法具体步骤如下：??步骤１：种群初始化。设定种群数据中的个体数量，然后在解空间内随机初??始化种群数据并对种群数据进行编码。??步骤２：计算种群中每个个体的适应度值。一般将目标函数或者其优化后的??函数作为适应度函数，然后对种群中所有个体进行适应度值的计算。??步骤３：选择操作。模拟生物进化论中适者生存的原则，采用轮盘赌方法选??择出规定数量的个体作为下一代种群的父代个体。??步骤４：交叉操作。首先在均匀分布的（０，１）区间内随机选择一个值并与设??定好的交叉概率进行比较
【参考文献】：
期刊论文
[1]提高预焙阳极质量的关键工艺技术的优化[J]. 李波,朱玉德. 世界有色金属. 2017(14)
[2]基于遗传算法优化BP神经网络的短期发电量预测[J]. 郭文强,师帅,张筱,李可可,佘金龙,高文强. 陕西科技大学学报. 2017(04)
[3]石油焦对预焙阳极质量的影响因素分析及改进措施[J]. 聂绍红. 炭素. 2016 (01)
[4]一种改进适应度函数的遗传算法[J]. 玄登影,王福林,高敏慧,马海志. 数学的实践与认识. 2015(16)
[5]遗传规划中遗传算子对种群多样性的影响[J]. 周冬梅,孙俊. 计算机工程与应用. 2016(20)
[6]基于Metropolis准则的自适应随机搜索算法研究[J]. 蒋惠波,刘彬,袁卫华. 中国西部科技. 2015(03)
[7]基于萤火虫优化的BP神经网络算法研究[J]. 侯越,赵贺,路小娟. 兰州交通大学学报. 2013(06)
[8]基于快速模拟退火算法的可切割布图规划方法[J]. 罗佐,杜世民,戚利侠,夏银水. 微电子学与计算机. 2012(09)
[9]基于Spring MVC及MyBatis的Web应用框架研究[J]. 徐雯,高建华. 微型电脑应用. 2012(07)
[10]基于快速确定隐层神经元数的BP神经网络算法[J]. 郑绪枝,雷靖,夏薇. 计算机科学. 2012(S1)
硕士论文
[1]铝用预焙阳极石油焦掺配工艺的应用研究[D]. 孟祥波.湖南大学 2016
[2]改质沥青对电解铝用预焙阳极性能的影响研究[D]. 陈泽永.湖南大学 2010
[3]基于人工神经网络的混凝土抗冻性预测[D]. 赵娜.内蒙古科技大学 2010
[4]BP神经网络学习问题的分析研究[D]. 杨赛.江西理工大学 2010
[5]遗传算法的改进研究及在背包问题中的应用[D]. 于惠.山东师范大学 2009
[6]低成本电解铝用预焙阳极研究[D]. 高守磊.湖南大学 2009
[7]基于轻量级J2EE框架的实训管理系统的设计与实现[D]. 周曜.电子科技大学 2008
[8]模拟退火算法的原理及算法在优化问题上的应用[D]. 庞峰.吉林大学 2006
[9]基于遗传BP神经网络的数据挖掘系统及其应用[D]. 张波.哈尔滨理工大学 2005
[10]用可持续发展理论分析我国电解铝行业的发展[D]. 刘新星.北京化工大学 2005
本文编号：3232881
【文章来源】：北方工业大学北京市
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图２－１单点交叉??
叉算子??子即把父代个体中的基因各取一部分组成子代个体的基因。点交叉和多点交叉。??叉就是在父代个体的基因串中按照一定方法选择一个基因的作时将两个个体的交叉点前的基因或者交叉点后的基因结构生两个新的个体。如图２－１所示：??Ｐａｒｅｎｔ?Ｏｆｆ－ｓｐｒｉｎｇｓ??ｈｌ〇｜ｉｌ〇ｌｉ｜ｉｌ?ｈｌ〇ＭｈＭｌ〇ｌ?????｜ｉ｜ｉ?ｏ｜ｉ｜ｉ｜ｏ｜?１?１１ｏ！ｏ１１?ｉｌ??ｌ．．．．．．—??．．．．．．?１．—???Ｊ?Ｃｒｏｓｓｏｖｅｒ???１???■??＞??图２－１单点交叉??叉就是在父代个体的基因串中按照一定方法选择多个基因的交作时候将两个个体的多个交叉点之间的基因结构进行交换，从体。以两点交叉为例，如图２－２所示：??Ｐａｒｅｎｔ?Ｏｆｆ－ｓｐｒｉｎｇｓ??
了提前设定的最大值后，遗传算法便会终止运算并输出当前最优个体的值。??２．１．３遗传算法流程??如图２－４所示为遗传算法流程图。首先初始化种群数据，其中包括在解空间??内随机种群数据并进行编码。然后计算出种群中每个个体的适应度值，为后面选??择操作提供概率参考。紧接着就是选择和交叉以及变异等遗传操作，这些操作过??后会产生子代种群数据。然后根据终止条件的设置继续进行迭代，或者输出当前??种群中的最优解个体值。算法具体步骤如下：??步骤１：种群初始化。设定种群数据中的个体数量，然后在解空间内随机初??始化种群数据并对种群数据进行编码。??步骤２：计算种群中每个个体的适应度值。一般将目标函数或者其优化后的??函数作为适应度函数，然后对种群中所有个体进行适应度值的计算。??步骤３：选择操作。模拟生物进化论中适者生存的原则，采用轮盘赌方法选??择出规定数量的个体作为下一代种群的父代个体。??步骤４：交叉操作。首先在均匀分布的（０，１）区间内随机选择一个值并与设??定好的交叉概率进行比较
【参考文献】：
期刊论文
[1]提高预焙阳极质量的关键工艺技术的优化[J]. 李波,朱玉德. 世界有色金属. 2017(14)
[2]基于遗传算法优化BP神经网络的短期发电量预测[J]. 郭文强,师帅,张筱,李可可,佘金龙,高文强. 陕西科技大学学报. 2017(04)
[3]石油焦对预焙阳极质量的影响因素分析及改进措施[J]. 聂绍红. 炭素. 2016 (01)
[4]一种改进适应度函数的遗传算法[J]. 玄登影,王福林,高敏慧,马海志. 数学的实践与认识. 2015(16)
[5]遗传规划中遗传算子对种群多样性的影响[J]. 周冬梅,孙俊. 计算机工程与应用. 2016(20)
[6]基于Metropolis准则的自适应随机搜索算法研究[J]. 蒋惠波,刘彬,袁卫华. 中国西部科技. 2015(03)
[7]基于萤火虫优化的BP神经网络算法研究[J]. 侯越,赵贺,路小娟. 兰州交通大学学报. 2013(06)
[8]基于快速模拟退火算法的可切割布图规划方法[J]. 罗佐,杜世民,戚利侠,夏银水. 微电子学与计算机. 2012(09)
[9]基于Spring MVC及MyBatis的Web应用框架研究[J]. 徐雯,高建华. 微型电脑应用. 2012(07)
[10]基于快速确定隐层神经元数的BP神经网络算法[J]. 郑绪枝,雷靖,夏薇. 计算机科学. 2012(S1)
硕士论文
[1]铝用预焙阳极石油焦掺配工艺的应用研究[D]. 孟祥波.湖南大学 2016
[2]改质沥青对电解铝用预焙阳极性能的影响研究[D]. 陈泽永.湖南大学 2010
[3]基于人工神经网络的混凝土抗冻性预测[D]. 赵娜.内蒙古科技大学 2010
[4]BP神经网络学习问题的分析研究[D]. 杨赛.江西理工大学 2010
[5]遗传算法的改进研究及在背包问题中的应用[D]. 于惠.山东师范大学 2009
[6]低成本电解铝用预焙阳极研究[D]. 高守磊.湖南大学 2009
[7]基于轻量级J2EE框架的实训管理系统的设计与实现[D]. 周曜.电子科技大学 2008
[8]模拟退火算法的原理及算法在优化问题上的应用[D]. 庞峰.吉林大学 2006
[9]基于遗传BP神经网络的数据挖掘系统及其应用[D]. 张波.哈尔滨理工大学 2005
[10]用可持续发展理论分析我国电解铝行业的发展[D]. 刘新星.北京化工大学 2005
本文编号：3232881
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3232881.html
