学位论文 > 优秀研究生学位论文题录展示
基于粗糙集的改进CMAC网络板形预测模型的研究
作 者: 赵文姣
导 师: 何海涛
学 校: 燕山大学
专 业: 计算机应用技术
关键词: 板形预测 CMAC网络 粗糙集 信度分配 动态学习率
分类号: TP273
类 型: 硕士论文
年 份: 2012年
下 载: 23次
引 用: 0次
阅 读: 论文下载
内容摘要
钢铁是一个国家重工业发展的重要基础,板带材作为钢铁的主干产品之一,带材质量已经成为衡量一个国家钢铁工业竞争力的重要标志。随着现代工业的发展对板形质量的要求越来越高,板形自动控制的板形精度要求也越来越高。而板形预测作为板形控制的基础和前提,精确的板形预测模型的建立不仅能为板形自动控制系统提供准确可靠的板形信息,而且又是进行虚拟轧机控制实验不可缺少的一部分。为了提高板形的控制精度,提高板形预测模型的预测精度已成为日益迫切的急需解决的问题。本文对板形预测的国内外研究现状进行了分析,基于板形轧制环境的复杂性,对板形预测模型进行了研究,首先,前馈多层神经网络预测模型存在网络结构复杂和收敛速度慢的缺点,基于CMAC神经网络结构简单,学习速度快,信息分布式存储,能够快速准确地逼近任意多维非线性映射函数的能力,建立了CMAC网络预测模型。其次,针对板形影响因素的多维性和高维CMAC网络结构的复杂性,用粗糙集理论的属性约简算法对板形因素进行主要特征提取,降低CMAC网络的输入维数,简化了网络的结构同时提高模型的预测性能。再次,针对CMAC网络的学习算法中采用误差平均分配和固定的学习率,使得网络收敛速度慢和通过学习达不到最优解的问题,将误差信度分配和动态学习率引入到CMAC板形预测模型中,使得预测模型在学习时权值调整的过程中避免了对历史学习结果的腐蚀,提高了板形预测的收敛速度,动态学习率的加入进一步加快了板形预测的学习速度。最后,应用Matlab软件对以上提出基于粗糙集和改进的CMAC网络板形预测模型进行了仿真实验,并证明了本方法的有效性。
|
全文目录
摘要 5-6 Abstract 6-10 第1章 绪论 10-18 1.1 研究的目的和意义 10-11 1.2 基于神经网络的板形预测模型的研究 11-12 1.3 板形预测模型的国内外研究现状 12-16 1.3.1 国外研究概况 12-14 1.3.2 国内研究概况 14-16 1.4 课题来源及主要研究内容 16 1.4.1 课题来源 16 1.4.2 主要研究内容 16 1.5 本文组织结构 16-18 第2章 基于 CMAC 神经网络板形预测模型的研究 18-28 2.1 概述 18 2.2 板形预测模型研究 18-22 2.2.1 板形的定量表示 18-20 2.2.2 板形模式识别 20-22 2.2.3 板形预测模型分析 22 2.3 CMAC 神经网络板形预测模型的构建 22-27 2.3.1 CMAC 网络的工作原理 23-25 2.3.2 CMAC 神经网络的板形预测模型的构造 25 2.3.3 CMAC 神经网络的板形预测模型的建立 25-27 2.4 本章小结 27-28 第3章 基于粗糙集的 CMAC 网络板形预测模型 28-38 3.1 概述 28 3.2 粗糙集与人工神经网络结合的必然性 28-30 3.3 基于粗糙集的 CMAC 网络板形预测模型 30-35 3.3.1 基于粗糙集的 CMAC 网络的构建思想 30-31 3.3.2 粗糙集优化 CMAC 网络输入的过程 31-33 3.3.3 粗糙集的神经网络的构造过程 33-34 3.3.4 基于粗糙集的 CMAC 板形预测模型的建立 34-35 3.4 仿真实验 35-36 3.5 本章小结 36-38 第4章 CMAC 板形预测模型中学习算法的研究 38-48 4.1 概述 38 4.2 CMAC 神经网络权值更新方法的局限性及研究 38-39 4.3 改进的 CMAC 神经网络板形预测模型 39-42 4.3.1 信度分配方法的提出和学习率的选择 40 4.3.2 CMAC 学习算法的改进 40-41 4.3.3 基于改进的 CMAC 神经网络板形预测模型的构造 41-42 4.4 基于改进的 CMAC 板形预测模型的建立 42-45 4.4.1 预测模型的建立 42-43 4.4.2 误差信度分配和动态学习率算法的实现 43-45 4.5 仿真实验 45-46 4.6 本章小结 46-48 第5章 仿真实验及分析 48-58 5.1 概述 48 5.2 实验条件 48-49 5.2.1 实验环境的选择 48 5.2.2 仿真语言的选择 48-49 5.3 基于粗糙集的 CMAC 板形预测模型的仿真实验 49-53 5.3.1 实验数据设置 49-50 5.3.2 实验结果分析 50-53 5.3.3 实验结论 53 5.4 基于改进的 CMAC 板形预测模型的仿真实验 53-57 5.4.1 实验数据设置 53 5.4.2 实验结果分析 53-56 5.4.3 实验结论 56-57 5.5 本章小结 57-58 结论 58-60 参考文献 60-64 攻读硕士学位期间承担的科研任务与主要成果 64-65 致谢 65-66 作者简介 66
|
相似论文
- 基于支持向量机的故障诊断方法研究,TP18
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于粗糙集和模糊SVM的车牌识别技术研究,TP391.41
- RBF神经网络在城市空气质量评价中的应用研究,X823
- 基于粗糙集理论的文本分类研究,TP18
- 基于支持向量机(SVM)理论的个人信用评估研究,TP18
- 基于改进区分矩阵的属性约简算法研究与应用,TP18
- 粗糙集与蚁群算法在网络社区结构发现中的应用研究,TP393.02
- 数据挖掘技术在环境保护综合管理系统中的应用,TP311.13
- 基于粗糙集理论的决策树分类算法与应用研究,TP18
- 基于核心示例集的属性约简方法研究,O159
- 基于粗糙集与卡尔曼法的防空雷达信息融合技术研究,TN974
- 面向设计重用的设计资源动态调度技术及应用研究,TB47
- 某铁路沿线黄土工程特性与黄土边坡稳定性研究,U212.22
- 基于粗糙集-神经网络技术的客户价值分类研究,F224
- 基于粗糙集的模糊粒度回归分析,TP181
- 基于强化学习的机械臂控制研究,TP242
- 基于神经网络与证据理论的商业银行信用风险评估,F830.33
- 盘管温度实验装置温度控制方法研究,TP273
- 关于数据挖掘方法中粗糙集理论的研究及应用浅析,TP311.13
- 基于连锁图的QTL综合分析方法研究,S562
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 自动控制、自动控制系统
© 2012 www.xueweilunwen.com
|