检索结果-南通市图书馆

矿冶工程 2018年第3期38卷 127-131页

作者：张秀玲李家欢魏其珺董逍鹏周凯旋燕山大学河北省工业计算机控制工程河北省重点实验室河北秦皇岛066004 燕山大学国家冷轧板带装备及工艺工程技术研究中心河北秦皇岛066004

针对传统优化算法(SNPOM)在辨识rbf-arx模型参数时易陷入局部最优解的问题,将云遗传算法(CGA)和SNPOM算法结合,提出一种混合优化算法CGA-SNPOM。并以某公司900HC可逆冷轧机板形识别为应用背景,设计了基于CGA-SNPOM优化rbf-arx的板形缺... 详细信息

针对传统优化算法(SNPOM)在辨识rbf-arx模型参数时易陷入局部最优解的问题,将云遗传算法(CGA)和SNPOM算法结合,提出一种混合优化算法CGA-SNPOM。并以某公司900HC可逆冷轧机板形识别为应用背景,设计了基于CGA-SNPOM优化rbf-arx的板形缺陷识别模型。分别用SNPOM算法和CGA-SNPOM算法对rbf-arx模型参数进行优化,仿真验证表明,基于CGA-SNPOM优化的板形识别系统克服了SNPOM容易陷入局部极值的缺点,识别精度大幅提高,是一种有效的板形识别方案。

关键词：板形识别板形缺陷 SNPOM 云遗传 rbf-arx

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于rbf-arx模型的绞吸挖泥船横移过程模型设计

引用

机床与液压 2019年第8期47卷 22-28页

作者：蒋爽倪福生梁婷戴伟河海大学疏浚技术教育部工程研究中心江苏常州213022 河海大学机电工程学院江苏常州213022 中国移动通信集团江苏有限公司常州分公司江苏常州213022

由于绞吸挖泥船横移过程的影响因素众多,具有明显的非线性和时变性特征,难以精确建模来描述其动态特性。因此在对挖泥船产量形成过程详细分析的基础上,针对传统神经网络收敛速度慢、隐含层较多、训练阶段无法自适应调整网络结构的缺点,... 详细信息

由于绞吸挖泥船横移过程的影响因素众多,具有明显的非线性和时变性特征,难以精确建模来描述其动态特性。因此在对挖泥船产量形成过程详细分析的基础上,针对传统神经网络收敛速度慢、隐含层较多、训练阶段无法自适应调整网络结构的缺点,采用rbf-arx模型结构进行绞吸挖泥船产量和横移速度的建模。通过结构化非线性参数优化方法SNPOM,离线识别出rbf-arx模型的线性和非线性参数,并利用仿真对所建模型和真实数据的误差进行对比。仿真结果表明:所建立的绞吸式挖泥船横移过程模型能够比较准确描述系统在全局范围内的动态特性,与挖泥船的实际产量输出拟合较好。

关键词：绞吸式挖泥船横移过程模型 rbf-arx SNPOM

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

三级倒立摆的rbf-arx建模与云推理控制器设计

三级倒立摆的RBF-ARX建模与云推理控制器设计

引用

作者：郝爽燕山大学

学位级别：硕士

倒立摆作为复杂的非线性系统,在对其进行控制前,首先要建立精确的倒立摆模型。传统的倒立摆建模时采用数学方法来建立,这种方法是忽略次要因素后经过线性化建立的线性模型,为达到更好的控制效果,需要建立更为精确的非线性模型,本文提出... 详细信息

倒立摆作为复杂的非线性系统,在对其进行控制前,首先要建立精确的倒立摆模型。传统的倒立摆建模时采用数学方法来建立,这种方法是忽略次要因素后经过线性化建立的线性模型,为达到更好的控制效果,需要建立更为精确的非线性模型,本文提出采用rbf-arx(Radial Basis Function-AutoRegressive eXogenous)方案,基于数据建立三级倒立摆的非线性模型,并在此基础上建立三级倒立摆的控制系统,分别采用基于云遗传算法(Cloud Genetic Algorithm,CGA)优化的T-S模糊神经网络和传统遗传算法(Genetic Algorithm,GA)优化的T-S云推理神经网络作为控制器,仿真实现了三级倒立摆的稳摆控制。首先,对于rbf-arx模型进行了深入研究,发现其原有的优化方法SNPOM在优化过程中,计算复杂,运算缓慢,在工程领域应用上难以推广,提出遗传算法(Genetic Algorithm,GA)代替SNPOM对模型参数进行优化,建立GA-rbf-arx三级倒立摆非线性模型,在简化优化过程的基础上,也建立了更精确的非线性模型便于控制。其次,基于GA-rbf-arx建立的三级倒立摆非线性模型,设计了T-S模糊神经网络控制系统,并针对GA本身收敛慢、易陷入局部收敛的不足,提出将CGA引入控制系统,优化T-S模糊神经网络控制器。CGA是一种将云模型与GA相结合的优化算法,综合了两者的优势,收敛速度与优化结果方面都优于传统遗传算法。经仿真验证,基于CGA优化的T-S模糊神经网络三级倒立摆控制系统具有很好的控制效果。最后,在T-S模糊神经网络的基础上,深入研究云理论,将云模型与T-S模糊神经网络相结合,设计了三级倒立摆的T-S云推理控制器,建立基于GA优化的T-S云推理神经网络三级倒立摆控制系统。经过仿真验证,结果表明该方法,兼备模糊神经网络与云模型的优势,增加了网络处理不确定性问题的能力,为复杂系统的控制问题提供了新的思路。

关键词：三级倒立摆 rbf-arx CGA T-S云推理神经网络云推理控制器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

rbf-arx模型的优化设计及在板形控制中的应用研究

RBF-ARX模型的优化设计及在板形控制中的应用研究

引用

作者：成龙燕山大学

学位级别：硕士

控制系统的分析和设计中,被控对象或者被控过程的数学模型是极为重要的基础。要控制一个对象或者过程,首先必须要了解其工作机理和特性,其次就要建立其精确的数学模型进行定量分析,最后通过控制达到期望的效果。简单对象或者过程的数学... 详细信息

控制系统的分析和设计中,被控对象或者被控过程的数学模型是极为重要的基础。要控制一个对象或者过程,首先必须要了解其工作机理和特性,其次就要建立其精确的数学模型进行定量分析,最后通过控制达到期望的效果。简单对象或者过程的数学模型容易建立,但是对于一些复杂系统或者过程,其数学模型由于多方面的原因很难建立,所以其控制方案就无法设计。近年来人工智能理论的快速发展,以数据驱动的建模方法引起了广大学者的关注,并将其应用于复杂非线性系统的建模中。本文以rbf-arx(Radial Basis Function-AutoRegressive eXogenous)模型优化设计及在板形控制系统中的应用研究为课题,在智能控制理论的基础上,设计了遗传算法(Genetic Algorithm,GA)优化的rbf-arx系统建模方案,并与传统的结构化非线性参数优化方法(SNPOM)优化的rbf-arx模型做深入的对比研究,实现了板形缺陷模式的识别与控制。首先深入研究了rbf-arx模型的内部结构和其传统的优化方法SNPOM,针对SNPOM在参数优化过程中运算复杂、占用的存储空间大的缺点,引入了递推最小二乘法进行了改进;同时为了推广rbf-arx模型在工程领域的应用,进一步提出了GA替代SNPOM的设想,构造了GA-rbf-arx系统建模和优化方案,大大简化了模型参数的优化过程。其次,针对某900HC可逆冷轧机,建立了GA-rbf-arx的板形缺陷模式识别模型,仿真验证表明GA-rbf-arx在板形识别上的效果要比SNPOM优化的效果好。另外,为了验证rbf-arx模型的建模效果,本文还利用具有联想记忆功能的离散Hopfield网络结构进行了对比研究。最后基于GA-rbf-arx引入了预测控制策略,建立了包含板形缺陷识别模型、板形缺陷预测模型的完整板形智能控制系统。仿真验证表明GA-rbf-arx模型在板形缺陷预测上能够跟踪轧机板形的实际输出,同时能够实现板形缺陷的控制精度,满足生产中对板带钢材的要求,是一种有效的建模和控制方法。

关键词： rbf-arx 遗传算法模式识别板形控制预测控制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

An indirect modeling method for rbf-arx model

An indirect modeling method for RBF-ARX model

引用

第37届中国控制会议

作者： Jun Wu Hui Peng Kazuhiko Hasegawa Atsuo Maki Institute for Information Technology & Robotics Changsha University of Science & Technology School of Information Science and Engineering Central South University Osaka University North American Center for Academic Initiatives Department of Naval Architecture and Ocean Engineering Graduate School of EngineeringOsaka University

This paper proposes a new modeling method for the rbf-arx model.This method is simpler than the previously used SNPOM and makes the rbf-arx model more flexible in choosing model index and modeling data.Meanwhile,it improves the longterm prediction performance largely.A case study on modeling of a ship’s maneuvering process illustrates the effectiveness of the proposed modeling method.

关键词： rbf-arx MMG ship maneuvering model longterm prediction

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

板形缺陷识别模型优化设计及仿真实现

板形缺陷识别模型优化设计及仿真实现

引用

作者：李家欢燕山大学

学位级别：硕士

随着社会经济的发展,钢铁行业扮演着越来越重要的角色,许多行业对现代冷轧带钢的生产提出了更高的要求。板形是检验板带材质量的重要指标之一,它是决定板带产品质量好坏的关键,如何实现对板形快速、稳定、精确的控制成为国内研究学者的... 详细信息

随着社会经济的发展,钢铁行业扮演着越来越重要的角色,许多行业对现代冷轧带钢的生产提出了更高的要求。板形是检验板带材质量的重要指标之一,它是决定板带产品质量好坏的关键,如何实现对板形快速、稳定、精确的控制成为国内研究学者的重要课题。其中板形识别是整个板形闭环控制系统中的基础和重要环节,其识别结果对后续的板形控制至关重要。近年来,随着人工智能的兴起,越来越多的学者将人工智能应用到板形缺陷识别中,并且大大提高了板形识别的精度,这有利于今后的板形控制。基于此本文的主要工作如下:针对传统板形缺陷识别方法存在精度低等问题,提出了一种混合优化rbf-BP神经网络板形识别方法。首先利用自组织竞争映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定rbf的中心与宽度,克服了传统聚类算法随机选取中心导致聚类结果不稳定的问题;然后利用遗传算法(GA)良好的全局搜索能力优化网络的权值。rbf-BP网络同时具备BP神经网络能较好地预测未知样本的能力以及rbf神经网络的逼近速度快的优点。最后仿真结果表明混合优化rbf-BP神经网络的板形识别方法能够识别出常见的板形缺陷,并且板形识别精度提高了48.02%。考虑到板形控制是一个复杂性、非线性以及强耦合性的控制系统,而神经网络不可避免地存在学习精度与学习速度的矛盾,因此建立一个精确的板形控制数学模型是非常困难的。本文将rbf-arx模型应用到板形缺陷识别中,rbf-arx模型同时具有arx模型对线性系统建模的精确性和rbf神经网络的逼近能力,非常适合复杂系统的建模与控制;同时针对传统的结构化非线性参数优化算法(SNPOM)在辨识rbf-arx模型参数时易陷入局部最优解的问题,将云遗传算法和SNPOM算法结合,提出一种混合优化算法CGA-SNPOM。最后的仿真结果表明基于CGA-SNPOM优化的板形识别模型克服了SNPOM容易陷入局部极值的缺点,并且板形识别精度提高了75.03%。

关键词：板形识别 rbf-BP 自组织映射网络遗传算法 rbf-arx 云遗传算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：