收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究

李文婷  
【摘要】:随着科技的不断发展,复杂的工业生产过程在现代工业中所占的比重越来越大。但是,复杂工业过程往往具有非线性、多变量、多层次等复杂性,给生产实际带来了很大的不便。尤其是复杂工业过程中模型的建立,是进行生产、调度、控制的基础,对于提高产业发展水平及安全、稳定生产具有重要意义。因此,寻求一种好的适用于复杂工业过程的建模方法尤为重要。近年来,智能技术的发展为复杂工业过程的建模提供了一个新的研究方向。 本论文在山西省自然科学基金项目(编号:2010011022-3)的资助下,研究设计了一种基于改进型粒子群算法的神经网络预报模型。并且以某热连轧厂的带钢宽度为研究对象,建立了热轧带钢宽度预报模型。 本论文的主要研究工作有: (1)阐述了课题的研究背景及意义,分析了智能建模技术的研究现状,在此基础上确定了本文的研究内容和方法。 (2)深入研究了基本粒子群算法的原理、优化过程和算法的流程,分析总结了粒子群算法的参数选取和收敛性。为了提高基本粒子群算法的搜索性能,提出了一种改进型粒子群优化算法。 (3)在分析研究BP神经网络的拓扑结构和学习过程的基础上,针对BP神经网络收敛速度慢、易陷入局部最优的不足,采用改进型粒子群算法作为神经网络参数的优化算法,将粒子群算法和神经网络结合,研究设计了一种基于改进型粒子群优化算法的神经网络建模方法,并给出了建模的步骤和优化的流程。 (4)深入某热连轧厂的生产现场进行广泛调研,学习掌握了热轧带钢生产的工艺过程,着重研究了热连轧生产过程中带钢宽度变化的影响因素,并采用基于改进型粒子群优化算法的神经网络建模方法建立了带钢宽度的预报模型。 (5)在MATLAB的仿真平台上,分别对改进型粒子群算法和基于改进型粒子群算法的神经网络进行大量仿真研究。另外,通过某热连轧厂的实际数据对所提出的神经网络模型进行训练以用于热轧带钢宽度的预报,并利用检验样本对网络模型进行检验。仿真结果表明,该方法是可行的,有效的。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王冬菊;姚小兰;;基于PSO和神经网络的中厚板凸度预报模型辨识[J];安徽师范大学学报(自然科学版);2008年01期
2 宁国忠;孟科;颜学峰;钱锋;;改进的粒子群算法及其在软测量建模中的应用[J];华东理工大学学报(自然科学版);2007年03期
3 熊伟;程加堂;艾莉;;异步电动机故障诊断粒子群优化神经网络模型研究[J];矿山机械;2011年08期
4 熊伟;程加堂;徐绍坤;;基于粒子群优化RBF神经网络的煤矿通风机故障诊断[J];煤矿安全;2011年09期
5 肖根福;刘欢;;基于模糊聚类的粒子群神经网络预测卷取温度[J];井冈山学院学报;2009年04期
6 谭文;刘振宇;吴迪;刘相华;王国栋;;基于神经元网络和粒子群优化算法的轧制工艺-性能优化[J];宽厚板;2007年01期
7 贺勇;诸克军;胡承凡;;品位组合优化的粒子群—神经计算方法[J];系统管理学报;2010年02期
8 舒服华;徐劲力;胡清华;;基于粒子群神经网络的QSn6.5-0.1连铸工艺优化[J];特种铸造及有色合金;2007年04期
9 姜谙男;梁冰;张娇;;基于粒子群最小二乘支持向量机的瓦斯含量预测[J];辽宁工程技术大学学报(自然科学版);2009年03期
10 赵栓峰;;基于粒子群和BP混合优化的采煤机故障诊断分类方法研究[J];矿山机械;2011年05期
11 张建立;马胜钢;王长松;;连铸板坯表面温度控制器的设计[J];冶金能源;2008年01期
12 董建洋;杨仕友;倪光正;;改进的粒子群优化算法及其在电磁装置优化设计中的应用[J];浙江理工大学学报;2006年03期
13 李洪奇;李莉;谢绍龙;;基于粒子群算法的声波测井岩心自动归位[J];计算机工程;2009年03期
14 曹黎侠;张建科;柴伟文;戴飞;;改进的粒子群算法在印刷业优化管理中的应用[J];西南民族大学学报(自然科学版);2009年01期
15 薛秀莉;苗荣;;加氢裂化常压塔轻石脑油干点软测量[J];石油化工自动化;2009年06期
16 高长伟;;基于改进PSO算法的电力系统无功优化[J];辽宁科技学院学报;2009年04期
17 符强,夏瑛,张华,刘国平;基于粒子群算法的粗轧宽展控制模型优化仿真[J];冶金自动化;2003年03期
18 茅健;曹衍龙;;基于粒子群算法的空间直线度误差评定[J];工程设计学报;2006年05期
19 茅健;郑华文;曹衍龙;徐旭松;;基于粒子群算法的圆柱度误差评定方法[J];农业机械学报;2007年02期
20 罗润林;阮怀宁;朱昌星;;基于粒子群-最小二乘法的岩石流变模型参数反演[J];辽宁工程技术大学学报(自然科学版);2009年05期
中国重要会议论文全文数据库 前10条
1 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
3 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
4 丛亮;胡成全;郭宗鹏;姜宇;沙丽华;;基于模拟退火思想的基本粒子群算法改进[A];第二十七届中国控制会议论文集[C];2008年
5 张顶学;朱迎辉;廖锐全;;一种动态改变惯性权重的粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
6 张顶学;廖锐全;;粒子群算法分析及惯性权重的动态改变策略[A];第二十七届中国控制会议论文集[C];2008年
7 常俊林;梁君燕;魏巍;;解决流水车间双目标调度问题的免疫粒子群算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 段练;张玉斌;;坐标改进型粒子群算法在应用层组播中的应用[A];煤炭机电与自动化实用技术[C];2012年
9 谢晓竹;侯冰;;基于改进自适应粒子群算法和BP神经网络的地面声目标识别[A];中国自动化学会控制理论专业委员会A卷[C];2011年
10 史久根;徐胜生;;基于文化-粒子群算法的机器人路径规划算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
3 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
4 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
5 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
6 岳本贤;粒子群算法拓展研究及在约束布局优化中应用[D];大连理工大学;2012年
7 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年
8 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
9 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年
10 薛尧予;群能量守恒粒子群算法及其在发酵过程控制中的应用研究[D];北京化工大学;2010年
中国硕士学位论文全文数据库 前10条
1 李文婷;基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究[D];太原理工大学;2011年
2 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
3 陈琳玲;基于简化粒子群算法的测试数据自动生成方法研究[D];西南大学;2010年
4 赵辛欣;随机聚焦粒子群算法在机组组合中的应用[D];西南交通大学;2010年
5 王冬;基于粒子群算法的Web文本信息过滤研究[D];华北电力大学(河北);2010年
6 汪华;粒子群算法的研究及其在供水优化调度中的应用[D];合肥工业大学;2011年
7 张念志;基于粒子群算法的集送货一体化车辆路径问题研究[D];山东大学;2010年
8 袁洲;基于改进粒子群算法的项目反应理论3PLM参数估计方法研究[D];吉林大学;2011年
9 苏同芬;改进的免疫粒子群算法及梯级水库优化调度问题的研究[D];太原理工大学;2010年
10 朱秀敏;改进粒子群算法的研究及其在天线设计中的应用[D];太原理工大学;2011年
中国重要报纸全文数据库 前10条
1 于翔;数字神经网络中的协同应用[N];网络世界;2009年
2 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
3 石河子市科委和科技兴石办提供;改进型国产化离子膜烧碱工艺降耗增效显著[N];新疆科技报(汉);2004年
4 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 特约记者 夏伟雄;两台货运牵引电力机车加盟胶济铁路[N];人民铁道;2006年
7 记者 熊燕;云内动力成为柴油机产销大户[N];云南日报;2006年
8 全运;改进型机动车节油废气净化器[N];中国有色金属报;2002年
9 里土;顶住贬,熬过穷,依然世界一流的T-80[N];中国国防报;2007年
10 何榉;SS77机枪玩魔术:由大变小[N];中国国防报;2007年
 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