遺傳算法的改進(jìn)及結(jié)合神經(jīng)網(wǎng)絡(luò)在制漿過程中的應(yīng)用.pdf

1、隨著當(dāng)前制漿造紙生產(chǎn)規(guī)模的不斷擴(kuò)大，紙機(jī)車速越來越快，生產(chǎn)工藝要求越來越高，對自動(dòng)控制的要求也在不斷提高。因此常規(guī)的控制理論及控制方法，在一定程度上已經(jīng)不能滿足某些制漿造紙過程中對測量及控制的要求。隨著當(dāng)前控制領(lǐng)域中智能控制算法的不斷發(fā)展，神經(jīng)網(wǎng)絡(luò)算法、仿人智能控制算法、模糊控制算法、遺傳算法等在過程控制中得到了越來越多的關(guān)注和重視，在實(shí)際中的應(yīng)用也越來越廣泛，并解決了不少常規(guī)控制算法無法解決的問題，具有非常廣泛的應(yīng)用前景。本文在越南平

2、安紙業(yè)年產(chǎn)7.5萬噸白板紙制漿生產(chǎn)線的基礎(chǔ)上，對制漿過程中打漿度的軟測量技術(shù)進(jìn)行了研究，提出了基于改進(jìn)型遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)對打漿度進(jìn)行軟測量及控制的方案，并在實(shí)際應(yīng)用中取得了非常理想的應(yīng)用效果。 自從McCulloch和Pitts提出MP神經(jīng)元模型以來，神經(jīng)網(wǎng)絡(luò)的研究已有50多年的歷史，走過了一條曲折而不平衡的發(fā)展道路，幾經(jīng)興衰。如今，神經(jīng)網(wǎng)絡(luò)研究又異軍突起，進(jìn)入一個(gè)新的發(fā)展時(shí)期，其應(yīng)用研究幾乎覆蓋了所有的領(lǐng)域。神經(jīng)網(wǎng)絡(luò)最大

3、的特點(diǎn)是它強(qiáng)大的函數(shù)逼近能力、泛化能力及特有的學(xué)習(xí)功能，而BP神經(jīng)網(wǎng)絡(luò)的出現(xiàn)又解決了神經(jīng)網(wǎng)絡(luò)無法確定其權(quán)值的缺點(diǎn)。其誤差反傳算法的優(yōu)越性和易實(shí)現(xiàn)性，使得其在實(shí)際過程中得到了非常廣泛的應(yīng)用。但BP算法本質(zhì)上屬于梯度下降訓(xùn)練算法，而梯度下降算法用來解決非線性優(yōu)化問題有兩個(gè)主要缺點(diǎn)：①容易陷入局部極??；②由于依賴于對激活函數(shù)求導(dǎo)數(shù)，故容易發(fā)生未成熟飽和。針對梯度算法容易陷入局部最小的不足，本文提出了改進(jìn)型遺傳算法對連接權(quán)值、閾值進(jìn)行優(yōu)化的方法

4、。 遺傳算法是一種求解問題的高效并行全局搜索方法。在過去的30年中，在解決復(fù)雜的全局優(yōu)化問題方面，遺傳算法已取得了成功的應(yīng)用，并受到了廣泛的關(guān)注。本文在標(biāo)準(zhǔn)遺傳算法研究的基礎(chǔ)上，提出了遺傳算法的改進(jìn)型，采用了浮點(diǎn)編碼方式、無重串的穩(wěn)態(tài)繁殖、最優(yōu)保留策略、自適應(yīng)交叉率和自適應(yīng)變異率、適應(yīng)度函數(shù)的重新標(biāo)度、多點(diǎn)交叉、分布式遺傳算法等改進(jìn)方法。同時(shí)將BP神經(jīng)網(wǎng)絡(luò)的誤差反傳算法引入到遺傳算法中來，在遺傳算法中加入了BP算子，增加了遺傳算