收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于增量改进BP神经网络微波深度干燥模型及应用研究

李英伟  
【摘要】:BP神经网络作为人工智能研究领域的重要分支,具有良好的非线性映射能力和高度的并行信息处理能力,在多学科交叉技术领域得到广泛的应用。 微波干燥不同于传统干燥方式,其热传导方向与水分扩散方向相同。与传统干燥方式相比,具有干燥速率大、节能、生产效率高、干燥均匀、清洁生产、易实现自动化控制和提高产品质量等优点,但是在干燥过程中,影响微波干燥的因素包括微波输入功率、微波作用时间、物料初始含水量、物料质量、物料转速等,其在干燥过程中影响程度不同,致使微波预处理富硒渣的干燥过程试验周期长,试验量大且参数不易优化。选择具有非线性映射能力的BP神经网络,对微波干燥过程建立仿真模型,预测分析试验过程。 标准的BP算法是基于梯度下降法,通过计算目标函数对网络权值和阈值的梯度修正网络权值,在训练过程中存在收敛速度慢和局部最小的问题;且对于复杂的问题,在训练过程中会陷入局部最小点,以致无法收敛。因此,需对BP神经网络算法进行改进。 本论文以微波深度干燥富硒渣的工业化试验过程为研究对象,建立基于增量改进BP神经网络的预测模型和Smith补偿PID控制模型,及研究预测模型在微波煅烧领域的应用,主要研究内容是: 1)采用Levenberg-Marquardt (L-M)算法对BP神经网络加以改进,提高了神经网络的收敛速度,同时针对在训练神经网络的过程中,无法一次性提供所需的训练数据且当样本规模较大时,系统内存的限制使得对所有样本的训练不可行等问题,提出基于增量学习的BP神经网络。 结合在单个神经网络中设置权有效区域和添加隐含层单元数的方法实现增量学习,在新样本知识与原有样本知识接近时,可以在一定范围内修改权值和阈值,同时采用灵活的方式确定隐含层节点数目。在利用训练样本集对神经网络进行训练的过程中,不断增加隐含层节点数目,并计算输出误差,若误差达到要求就停止网络训练,此时网络隐含层节点数即为最优的隐含层节点数。此方法既可以使网络学习新样本知识,又可以使网络保持原有样本的知识。 基于增量学习和L-M优化算法的改进BP神经网络,弥补了传统BP神经网络的不足,它具有更快的收敛性,较好的预测精度和更好的拟合结果,并能够避免误差总和不再更新,网络不再训练以致使网络瘫痪等问题,在调整网络参数时不会陷入局部最小,使网络迅速收敛,能够有效地解决训练数据不能一次性提供,以较少的先验知识学习过程的特点等问题,选择有代表性的样本在占用较少内存的前提下训练神经网络,即能够保持原有知识,又能够学习新的知识。 2)在微波深度干燥富硒渣的工业化试验中,建立了增量改进BP神经网络的非线性系统预测模型,以微波输入功率、微波作用时间、物料初始含水量、物料质量和物料盘转速为输入条件,用以预测微波深度干燥富硒渣的工业化试验结果。 3)建立了增量改进BP神经网络的能耗预测模型,以微波干燥工业化试验中微波功率、微波作用时间、物料质量、物料初始含水率和所需物料最终含水率为输入条件,预测工业化试验过程的能耗。 4)在控制领域中,传统的PID控制器结构简单,对模型误差具有鲁棒性及易于操作等优点,被广泛应用于冶金、化工、电力、轻工和机械等工业过程控制领域中。随着工业的发展,被控对象的复杂程度不断加深,尤其对于大滞后、时变的、非线性的复杂系统,传统PID控制已经无法满足目标控制精确化的要求。 建立增量改进BP神经网络的Smith补偿PID控制模型,根据工业化试验过程测定的被控对象参数作为神经网络的输入,对控制系统进行离线系统辨识,利用简化了的微波深度干燥富硒渣工业化生产过程的控制模型对增量改进BP神经网络的Smith补偿PID控制器进行仿真研究,实现在线动态整定PID控制参数。 5)建立了增量改进BP神经网络反预测模型,以物料的最终质量、物料的最终温度和物料的相对脱水率为输入条件,预测微波干燥工业化试验所需的工作时间、物料初始含水率和试验能耗。 6)将工业化微波深度干燥富硒渣的神经网络预测模型应用于微波煅烧重铀酸铵(ammonium diuranate, ADU)和三碳酸铀酰铵(ammonium uranyl carbonate, AUC)试验中,用以预测微波煅烧ADU和AUC的试验过程结果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 肖锋;基于BP神经网络的数字图像边缘检测算法的研究[J];西安科技大学学报;2005年03期
2 盛凯;于兴华;李元凯;黄树林;梁德禄;孙鹏飞;;BP神经网络在平板硫化机热板温度场的应用研究[J];橡塑技术与装备;2008年02期
3 李红军;;基于神经网络的网络传感器火灾报警系统[J];防灾科技学院学报;2008年04期
4 牟建华,周伟,万百五;组合多重神经网络动态系统鲁棒故障检测与诊断[J];西安石油学院学报(自然科学版);1997年01期
5 郭前岗,孙瑜;一种新型神经网络结构的PID控制器及其仿真研究[J];西北轻工业学院学报;1998年03期
6 冯静,王玉,陈中中;浅谈用神经网络预测摩擦焊接头性能[J];大众科技;2005年08期
7 王艳春;王新;;基于神经网络求解TSP问题的研究[J];齐齐哈尔大学学报;2006年01期
8 易祖坤;蒋海;杨亚东;;人工神经网络复合压裂选井选层中的应用[J];西部探矿工程;2007年09期
9 夏文智;李刚进;朱丽;章中林;;工业火灾报警控制器的可靠实现[J];消防科学与技术;2008年03期
10 郑孝东;程根银;顾涛;胡兴志;李永;封孝辉;黄文华;;基于模糊-神经网络的局部通风机变频调速系统设计[J];煤炭工程;2010年04期
11 朱海东;雷英成;屈勇;;基于神经网络的多属性分析在地震图像共同区域划分中的应用[J];长江大学学报(自然科学版);2011年06期
12 郑晓雯,林南英;神经网络在机械系统故障诊断中的应用[J];西安科技学院学报;1994年02期
13 杨尚宝,杨天钧,董一诚;铁水含硅量预报神经网络模型[J];北京科技大学学报;1995年06期
14 钟本善,江玉乐,李永杰;用人工神经网络法预测气-水边界[J];成都理工学院学报;1995年03期
15 魏一鸣,童光煦;基于神经网络的品位估值方法及其计算机系统[J];化工矿物与加工;1995年02期
16 黄梦涛,赵轶群,刘颖;神经网络在煤低温自燃实验炉建模中的应用[J];西安科技学院学报;1996年01期
17 赵涤之,薛国新,周天彤;二级RBF神经网络用于化工过程的动态监控[J];江苏石油化工学院学报;1996年02期
18 闵华清,杨进,周万隆,徐贵刚;神经网络控制系统的仿真研究[J];武汉化工学院学报;1996年04期
19 朱群雄,麻德贤;神经网络结构分析与BP算法修正[J];计算机与应用化学;1997年04期
20 罗首章,李松仁,陈松乔;神经网络在矿石可选性预测专家系统中的应用[J];有色金属(选矿部分);1997年02期
中国重要会议论文全文数据库 前10条
1 田艳兵;;BP算法和PSO算法在神经网络中的研究[A];第二十九届中国控制会议论文集[C];2010年
2 简季;杨武年;马正龙;陈园园;;BP神经网络在土地分类中的应用研究——以汶川地区为例[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
3 赵鑫;吴侃;敖建锋;周大伟;;基于BP神经网络的点云去噪与空洞修补集成算法研究[A];2011全国矿山测量新技术学术会议论文集[C];2011年
4 陈作炳;艾春庭;夏雪峰;;BP神经网络仿真软件[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
5 王伟珍;刘春红;张漫;李民赞;刘刚;;基于BP神经网络的温室番茄光合作用速率预测模型研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
6 孙伶俐;何绪飞;邓忠民;;基于BP神经网络的飞行器结构损伤量化分析[A];北京力学会第十六届学术年会论文集[C];2010年
7 张德欣;张海祥;陈友良;;基于BP神经网络的电子战系统干扰能力评估[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
8 王硕;;BP神经网络在高速公路交通量预测中的应用[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
9 薛志强;李毅;曹燕;;改进的BP神经网络在模拟电路故障诊断中的应用研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年
10 单承赣;张哲;孙德辉;钟磊;;一种DC系数中的神经网络数字图像盲水印算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 李英伟;基于增量改进BP神经网络微波深度干燥模型及应用研究[D];昆明理工大学;2011年
2 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年
3 马永涛;通信信道建模的神经网络优化技术研究[D];天津大学;2009年
4 周伟;关于多稳定回复式神经网络中的一些问题[D];电子科技大学;2010年
5 汪木兰;神经网络硬化实现的共性技术在电力传动中应用研究[D];合肥工业大学;2010年
6 徐芳;多稳定神经网络的动力学分析[D];电子科技大学;2011年
7 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年
8 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年
9 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年
10 张海仙;回复式神经网络的连续吸引子[D];电子科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 李安新;BP神经网络研究与硬件实现[D];山东科技大学;2010年
2 闫超;基于BP神经网络的煤矿深埋硐室软岩流变参数反演分析[D];安徽理工大学;2011年
3 吕琼帅;BP神经网络的优化与研究[D];郑州大学;2011年
4 杨宏宇;基于小波分析与BP神经网络的管道泄漏诊断方法的研究[D];东北大学;2009年
5 王媛媛;基于BP神经网络的混沌时间序列预测方法研究[D];河北经贸大学;2011年
6 董威;改进的BP神经网络在评价指标体系中的应用研究[D];东北财经大学;2011年
7 刘天舒;BP神经网络的改进研究及应用[D];东北农业大学;2011年
8 贺永杰;基于BP神经网络的军用车辆事故预测可行性分析[D];山东大学;2011年
9 郑红岩;基于非高斯性分析的BP神经网络模拟电路故障诊断研究[D];解放军信息工程大学;2011年
10 吴昊;改进的遗传算法和BP神经网络在大气质量评价及预测中的应用研究[D];南京信息工程大学;2012年
中国重要报纸全文数据库 前10条
1 本报记者 李栋;珠海BP“危”中寻“机”[N];珠海特区报;2009年
2 李高超;BP中国新任总裁陈黎明:油价没有先知[N];国际商报;2009年
3 本报记者 史丰蕾;詹姆斯·皮尔斯:BP漏油促能源保险专业化[N];中国能源报;2010年
4 记者 崔茉;BP能源展望:2030年油气煤三足鼎立[N];中国石油报;2011年
5 记者 陈其珏 编辑 朱贤佳;石油四巨头出资10亿欲为BP消灾[N];上海证券报;2010年
6 媒体评论员 邱林;中国企业不必把收购BP资产看太重[N];中国高新技术产业导报;2010年
7 特派记者 张东明;全力支持BP在珠海的发展[N];珠海特区报;2011年
8 记者 闫磊;美英石油巨头“拷问日”共谴BP[N];经济参考报;2010年
9 记者 宋阳;中石油携手BP开发伊拉克油田[N];中国经济导报;2009年
10 张晓华 詹铃;BP欲变卖资产 谁会要[N];中国化工报;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978