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 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
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 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
13 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
14 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
15 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
16 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
17 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
18 刘金琨,王树青;高炉异常炉况神经网络专家系统[J];钢铁研究学报;1998年05期
19 金子明,杨国田,王秀妍;基于神经网络的表面粗糙度识别算法[J];抚顺石油学院学报;1998年03期
20 吴怀宇,宋玉阶;非线性回归分析中的神经网络方法[J];武汉科技大学学报(自然科学版);1998年01期
中国重要会议论文全文数据库 前10条
1 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[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
2 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年
3 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集(第1卷)[C];1991年
4 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年
5 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年
6 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集(上)[C];1995年
7 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年
8 金龙;吴建生;;基于遗传算法的神经网络短期气候预测模型(摘要)[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集[C];2003年
9 申伟;张元培;;基于MATLAB的自适应神经网络模糊系统(ANFIS)的应用[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年
10 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
中国博士学位论文全文数据库 前10条
1 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
2 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
3 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
4 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
5 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
6 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
7 徐芳;多稳定神经网络的动力学分析[D];电子科技大学;2011年
8 杨文宇;利用状态函数导数的脉冲神经网络新算法[D];大连理工大学;2013年
9 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
10 尹丽子;基于动态模型的神经网络稳定性研究[D];山东师范大学;2011年
中国硕士学位论文全文数据库 前10条
1 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年
2 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年
3 田鹏明;基于神经网络的振动主动控制研究[D];太原理工大学;2012年
4 姜宇;发动机裂解设备故障诊断技术的研究[D];吉林大学;2012年
5 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年
6 高宝建;基于神经网络的月降水预报模型在洪泽湖的应用研究[D];南京信息工程大学;2012年
7 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年
8 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年
9 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
10 段成均;时滞神经网络稳定性分析[D];重庆交通大学;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 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
4 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
5 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
6 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
7 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年
8 谭薇;“潮湿计算机”:拥有人类智慧的超级大脑[N];第一财经日报;2010年
9 韩婷婷;ICT强壮奥运“神经网络”[N];通信产业报;2007年
10 ;人老了,大脑仍能形成新的神经网络[N];新华每日电讯;2004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