基于PSO的小波神經(jīng)網(wǎng)絡(luò)熱連軋板材質(zhì)量模型研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展,鋼鐵市場(chǎng)對(duì)熱連軋板材質(zhì)量的要求越來(lái)越高,為滿足市場(chǎng)需求,近些年,學(xué)者們對(duì)基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的熱連軋板材質(zhì)量模型的研究非常活躍。他們提出了一些熱連軋板材質(zhì)量模型,如BP神經(jīng)網(wǎng)絡(luò)、徑向基網(wǎng)絡(luò)、模糊網(wǎng)絡(luò)等神經(jīng)網(wǎng)絡(luò)模型,但這些熱連軋板材質(zhì)量模型的測(cè)試命中率難以滿足廠方要求,為此,本文主要做了以下工作:
　　首先,綜述了BP神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化算法(Partical Swarm Optimization-PS

2、O)的相關(guān)理論;分析了熱連軋板材的生產(chǎn)過(guò)程,獲得了板材質(zhì)量數(shù)據(jù),確定了數(shù)據(jù)的輸入輸出變量,闡述了熱連軋板材的質(zhì)量要求。
　　其次,構(gòu)建了新的粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)。通過(guò)分析粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò),可知該網(wǎng)絡(luò)采用粒子群算法的搜索迭代公式調(diào)整網(wǎng)絡(luò)參數(shù),能很好的跳出局部極小值點(diǎn),具有局部尋優(yōu)特點(diǎn),但是誤差不能以最快的速度達(dá)到極小值;為此新的網(wǎng)絡(luò)首先采用小波神經(jīng)網(wǎng)絡(luò)計(jì)算誤差,然后再對(duì)小波神經(jīng)網(wǎng)絡(luò)的各種參數(shù)采用基于梯度下降的誤差反傳算法和粒

3、子群算法(PSO)相結(jié)合的方式進(jìn)行修正。網(wǎng)絡(luò)不僅能以最快的速度達(dá)到極小值,而且能跳出局部極小值點(diǎn);對(duì)構(gòu)建的網(wǎng)絡(luò)模型進(jìn)行實(shí)例仿真,結(jié)果表明,新的粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)質(zhì)量模型的測(cè)試命中率提高了9.8％,訓(xùn)練時(shí)間縮短了28分鐘20秒。
　　最后,基于新的粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)和實(shí)現(xiàn)了熱連軋板材質(zhì)量預(yù)測(cè)系統(tǒng)。系統(tǒng)實(shí)現(xiàn)了數(shù)據(jù)樣本存入數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)參數(shù)的設(shè)置、算法參數(shù)的設(shè)置、訓(xùn)練與測(cè)試的功能。該系統(tǒng)可以對(duì)給定的熱連軋板材質(zhì)量數(shù)據(jù)進(jìn)行建模和