神经网络等智能方法的优化及应用

【摘要】：水泥材料不但大量应用于工业与民用建筑,还广泛应用于交通、城市市政建设、农村水利以及海洋工程。水泥材料作为重要的原材料之一,一直受到人们的重视。根据预测,从本世纪以至更长时间,水泥以及其他胶凝材料制品仍然是主要的建筑材料。 随着材料科学的发展,人们对水泥材料的认识正在发生新的深刻的变化。这种变化的特点和趋势是:1.对水泥材料本身的认识方面正在逐渐深化,从宏观到微观并逐渐揭示其性能与内部结构的关系,从而为发展新品种,扩大应用领域提供理论基础。2.在水泥材料生产过程的规律和水化、硬化过程的规律方面,人们的认识正在从经验上升到理论,从现象到本质,从而为有效地控制水泥材料与制品的生产过程以及采用新工艺、新技术提供理论基础。 要想正确反应水泥水化过程中诸多复杂因素与水泥的性能,需要大量的数据,目前国内外的研究技术多集中在试验和用神经网络做数据预测。很显然,试验的方法需要花费很大的人力、物力。而人工神经网络是一种智能信息处理技术,力图模拟人类处理问题的方式去理解和利用信息。神经网络控制可通过对网络结构及权值处理的自动调整而实现非生物神经网络系统的部分功能,能处理高维数、强干扰难建模的复杂工业过程。因此为模拟复杂条件下的水泥水化、硬化过程提供了另一种可行的方法。 但神经网络技术本身存在的主要问题是学习中不具备全局搜索能力,易陷入局部极小。因此,用神经网络技术预测的数据并不精确。粒子群优化算法是90年代出现的基于群体智能理论的优化算法。通过群体中粒子间的合作与竞争产生了群体智能指导优化搜索。粒子群算法与神经网络的融合是基于克服神经网络的学习可靠性低的问题。该算法在训练神经网络的权值的同时,优化其连接结构,删除冗余连接。因此,本文采用粒子群优化算法与神经网络融合的智能方法。 将这种智能方法应用在预测水泥水化过程中煤矸石的颗粒尺寸分布与水泥的扩展度、标准稠度用水量、凝结时间、强度之间的关系;对于同一种水泥,掺入不同的钢渣含量,在不同的水胶比的参与下,水泥的强度的变化情况。