一種改進型徑向基神經(jīng)網(wǎng)絡的研究及應用.pdf

1、本文詳細論述了徑向基神經(jīng)網(wǎng)絡算法及其基于混沌遺傳優(yōu)化的改進型徑向基神經(jīng)網(wǎng)絡算法，以及該算法在轉爐提釩靜態(tài)模型的建立過程中的應用。 通過參考國內(nèi)外研究成果，研究并分析了徑向基神經(jīng)網(wǎng)絡的研究成果和當前的進展，針對傳統(tǒng)徑向基神經(jīng)網(wǎng)絡算法存在的不足以及所需要解決的工程問題，本文提出了一種基于混沌遺傳算法的改進型徑向基神經(jīng)網(wǎng)絡的建模方法。針對目前國內(nèi)外還沒有一種成熟可靠的數(shù)學模型來對轉爐提釩過程如何操作進行控制和指導，用該算法辨識轉爐提釩

2、的反應過程；并且在實際生產(chǎn)運行中，根據(jù)提釩前的檢驗數(shù)據(jù)來預測提釩時應該怎樣進行操作才能保證良好的提釩效果和半鋼質量，從而達到工藝生產(chǎn)目標的實現(xiàn)。 本文根據(jù)建模的需要，對建模和優(yōu)化方法進行了研究和改進。 首先，本文詳細分析了遺傳算法進行全局搜索的基本原理之后，考慮到遺傳算法在種群進化質量方面的局限性，一方面自適應地調整交叉變異概率的方法來提高種群進化質量，另一方面提出了利用混沌序列的內(nèi)部有規(guī)律性對種群的初始值進行變化，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)，并且仿真實驗驗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)絡基本理論以及傳統(tǒng)徑向基神經(jīng)網(wǎng)絡的學習算法，在此基礎上，針對徑向基神經(jīng)網(wǎng)絡逼近能力和泛化能力不理想的問題，將徑向基神經(jīng)網(wǎng)絡和混沌遺傳算法相結合，充分利用徑向基神經(jīng)網(wǎng)絡的逼近能力和混沌遺傳算法的全局搜索能力。結合點就是采用混沌遺傳算法來求解徑向基神經(jīng)網(wǎng)絡隱層到輸出層的權值，并且仿真實驗驗證了改進型徑向基神經(jīng)網(wǎng)絡算法

4、的合理性。 在經(jīng)過比較，確定了用改進型徑向基神經(jīng)網(wǎng)絡建立轉爐提釩靜態(tài)數(shù)學模型，并用建立靜態(tài)模型對轉爐提釩過程進行離線控制。同傳統(tǒng)的徑向基神經(jīng)網(wǎng)絡控制結果比較，得出以下結論：利用混沌遺傳算法求解徑向基神經(jīng)網(wǎng)絡的權值比用梯度下降法調整權值的方法更容易達到全局最優(yōu)解，而且提高了神經(jīng)網(wǎng)絡的逼近非線性系統(tǒng)的精度和速度；利用改進型徑向基神經(jīng)網(wǎng)絡建立的轉爐提釩模型具有自學習性、自組織性和自適應性，用該模型預測提釩輔料加入量后，釩、碳、半鋼溫度