基于改进遗传算法优化Elman网络的板形识别方法
本文关键词：基于改进遗传算法优化Elman网络的板形识别方法 出处：《钢铁研究学报》2017年04期 论文类型：期刊论文
更多相关文章： 改进遗传算法 Elman神经网络 板形缺陷识别
【摘要】：针对目前的板形缺陷识别方法精度不高、识别速度慢的问题,根据Elman神经网络模型可以反映系统动态特性,而且可以逼近任意非线性函数的特点,提出了一种利用改进的遗传算法优化Elman神经网络,使其泛化能力强、学习速度快、识别精度高,并建立板形缺陷模式识别模型的方法。为了验证该方法的识别能力,在隐层节点数与学习次数相同的条件下,分别与遗传算法优化的Elman网络和BP网络模型进行板形识别仿真对比分析。试验结果表明,改进遗传算法优化的Elman神经网络模型对板形缺陷识别精度高于BP网络等模型,并且具有收敛速度快的优点。
[Abstract]:In order to solve the problem of low accuracy and slow recognition speed of the current shape defect identification methods, the Elman neural network model can reflect the dynamic characteristics of the system and approach the characteristics of any nonlinear function. An improved genetic algorithm is proposed to optimize the Elman neural network, which has the advantages of strong generalization ability, fast learning speed and high recognition accuracy. In order to verify the recognition ability of the method, the number of hidden layer nodes is the same as the number of learning times. Compared with the genetic algorithm optimized Elman neural network and BP neural network model for shape recognition simulation analysis. The experimental results show that. The improved genetic algorithm (GA) optimized Elman neural network model has higher accuracy for shape defect identification than BP neural network model, and has the advantage of fast convergence speed.
【作者单位】： 济南大学控制科学与工程学院;
【分类号】：TG334.9;TP18
【正文快照】： 板带材是在日常生产生活中最常见的基础材料,高质量的板带材对经济发展建设具有重要的作用,因此如何提高板带材的品质是目前中国最重要的科研方向[1]。板形是评价板材质量的关键指标,板形模式识别更是在板形控制系统中至关重要[2-3]。近年来,在板形模式识别上研究及应用最多的
【相似文献】
相关期刊论文 前10条
1 ;Multicomponent Kinetic Determination by Wavelet Packet Transform Based Elman Recurrent Neural Network Method[J];Chemical Research in Chinese Universities;2004年06期
2 高玲;石俊仙;任守信;;Elman回归神经网络同时定量测定三种酚类化合物[J];光谱学与光谱分析;2006年01期
3 赵英凯,蔡宁,熊辉;基于自校正改进Elman网的肟化投酮量建模与预估[J];石油化工自动化;1999年03期
4 王玲玲;宣大民;徐永生;苏刚;;基于OIF-Elman神经网络的燃气日负荷预测[J];煤气与热力;2008年07期
5 荣菡;刘波平;邓泽元;罗香;;Elman网络近红外光谱技术同时测定鲜乳中三种主成分含量[J];食品科技;2008年11期
6 蔡鑫;南新元;孔军;;改进Elman神经网络在氧化还原电位预测中的应用[J];安徽大学学报(自然科学版);2014年02期
7 秦宇;;Elman神经网络在电力电子电路故障诊断中的应用[J];轻工科技;2013年04期
8 陈锋,胡上序,俞蒙槐;用分段训练的Elman递归神经网络滤除色谱数据中的噪声[J];高等学校化学学报;2000年02期
9 赵奇,刘开第,庞彦军;Elman神经网络训练方法及其在非线性系统辨识中的应用[J];煤矿机械;2005年05期
10 袁仁茂;马凤山;邓清海;徐锡伟;;基于Elman型神经网络的金川二矿地表岩移时序预测模型[J];工程地质学报;2008年01期
相关会议论文 前10条
1 ;Study of PID Elman Neural Network and Its Application in Dynamical Systems Identification[A];第二十四届中国控制会议论文集（下册）[C];2005年
2 ;Identification of dynamic nonlinear systems using recurrent neural networks[A];第十九届中国控制会议论文集（一）[C];2000年
3 苏刚;王玲玲;徐永生;;基于改进Elman网络的燃气负荷预测[A];第十七届全国过路控制会议论文集[C];2006年
4 赵建玉;高慧;贾磊;;基于Elman神经网络的短时交通流预测模型[A];第二十七届中国控制会议论文集[C];2008年
5 郭式伟;吕建;张秀兰;;基于改进Elman网络的空调负荷预测[A];全国暖通空调制冷2008年学术年会资料集[C];2008年
6 符利勇;何铮;唐守正;刘应安;;基于改进Elman神经网络的林隙大小预测模型[A];第九届中国林业青年学术年会论文摘要集[C];2010年
7 WenJie Wu;DaGui HUANG;Zheng DONG;;Fault Diagnosis of the Aeroengine Based on Neural Network and D-S Evidence Theory[A];Proceedings of 2011 International Conference on Computer Science and Information Technology(ICCSIT 2011)[C];2011年
8 孟令启;张洛明;韩丽丽;马金亮;黄其柏;;基于MATLAB的Elman神经网络在中厚板轧机宽展预测中的应用[A];第二届中国CAE工程分析技术年会论文集[C];2006年
9 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九届中国控制会议论文集[C];2010年
10 邰新军;陆建荣;;基于Elman神经网络的炮兵战场目标价值分析[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
相关博士学位论文 前2条
1 时小虎;Elman神经网络与进化算法的若干理论研究及应用[D];吉林大学;2006年
2 王丽敏;计算智能改进方法及其在金融与环境领域中的应用[D];吉林大学;2007年
相关硕士学位论文 前10条
1 林鹏;冷轧APC系统智能控制器设计与实验研究[D];燕山大学;2015年
2 曹芙;基于Elman神经网络及优化算法的混合模型的研究及应用[D];兰州大学;2015年
3 刘超;429例直肠恶性肿瘤基于SVM和Elman的单病种医疗费用预测模型研究与应用[D];昆明医科大学;2015年
4 许菲菲;基于Elman网络温度预测模型的差压气密性检测方法研究[D];中国计量学院;2015年
5 宋菁华;高炉冶炼过程的多尺度特性与硅含量预测方法研究[D];浙江大学;2016年
6 王柳;基于复合特性Elman神经网络的风速预测[D];天津工业大学;2016年
7 周展;基于Elman神经网络控制的风电最大功率点追踪的研究[D];湖南大学;2016年
8 关福生;基于GIF Elman神经网络的输油管道工况辨识技术的研究[D];东北大学;2011年
9 黄艳南;基于Elman桥梁损伤识别与监测数据处理研究[D];东北大学;2014年
10 艾静;基于GA-Elman预测模型的网络舆情研究[D];华中师范大学;2013年
，本文编号：1423841
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1423841.html
