基于免疫的混合學(xué)習(xí)算法在轉(zhuǎn)爐提釩靜態(tài)模型中的應(yīng)用研究.pdf

1、本論文對(duì)重慶大學(xué)自動(dòng)控制研究所與某鋼鐵公司合作開發(fā)的"提釩過程靜態(tài)模型及其控制決策計(jì)算智能研究"項(xiàng)目(以下簡(jiǎn)稱項(xiàng)目)進(jìn)行了深入的研究.對(duì)本項(xiàng)目的建模機(jī)制、模型算法、模型優(yōu)化從免疫理論的角度作了新的探討,將基于免疫的混合學(xué)習(xí)算法用于項(xiàng)目中徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的建模,豐富了此項(xiàng)目的建模方法,進(jìn)一步深化了對(duì)項(xiàng)目的理解.在對(duì)基于免疫的混合學(xué)習(xí)算法的探討過程中,我們對(duì)算法的免疫學(xué)背景,免疫網(wǎng)絡(luò)的相關(guān)理論作了較詳細(xì)的闡述,并從免疫系統(tǒng)的角度對(duì)RBF神

2、經(jīng)網(wǎng)絡(luò)做了全新的解釋,提出了RBF神經(jīng)網(wǎng)絡(luò)就是人工免疫系統(tǒng)的觀點(diǎn).對(duì)基于免疫的混合學(xué)習(xí)算法的兩種子算法:通過克隆選擇進(jìn)行學(xué)習(xí)方法和通過內(nèi)部親和力進(jìn)行學(xué)習(xí)方法,從算法原理、算法步驟和算法驗(yàn)證等多個(gè)方面進(jìn)行了詳細(xì)的闡述.并最終將其用到了我們的提釩靜態(tài)模型的建模上:采用通過克隆選擇進(jìn)行學(xué)習(xí)的算法建立具有足夠預(yù)報(bào)精度的模型,再采用通過內(nèi)部親和力進(jìn)行學(xué)習(xí)這種減量算法對(duì)模型進(jìn)行調(diào)整,以使模型結(jié)構(gòu)最簡(jiǎn).通過仿真實(shí)驗(yàn),證明基于免疫的混合學(xué)習(xí)算法相對(duì)于傳