新闻资讯
神经网络在轧钢加热炉模式识别与智能控制中的应用
发布时间:2021-12-31 00:19
  |  
阅读量:
字号:
A+ A- A
本文摘要:1前言 近年来,仿真生物神经系统的神经网络,由于具备自学、自的组织等新的信息处理能力,对于模式识别问题有相当大的优越性,获得了很快的发展。在冶金行业中,轧钢加热炉是轧钢生产过程中的最重要设备之一,在实际操作过程中,操作者人员依赖传感器的信息,辨别炉况,展开操作者。有些辨别无法用非常简单的IFATHENB这样的规则传达,而是根据操作者人员的经验,将炉况分为几种模式,用神经网络来辨识目前炉况归属于那种模式,对其展开操作者展开指导,或作为专家系统的补足,有较小的起到。

亚博全站app官网登录

1前言  近年来,仿真生物神经系统的神经网络,由于具备自学、自的组织等新的信息处理能力,对于模式识别问题有相当大的优越性,获得了很快的发展。在冶金行业中,轧钢加热炉是轧钢生产过程中的最重要设备之一,在实际操作过程中,操作者人员依赖传感器的信息,辨别炉况,展开操作者。有些辨别无法用非常简单的IFATHENB这样的规则传达,而是根据操作者人员的经验,将炉况分为几种模式,用神经网络来辨识目前炉况归属于那种模式,对其展开操作者展开指导,或作为专家系统的补足,有较小的起到。

2神经网络模型  神经网络是仿真生物的神经系统(尤其是脑)功能的网络。人脑大约由150亿个神经细胞构成,每个细胞同数千、数万个神经细胞互为联系,构成网络。这样,神经细胞模型可以看做是n输出单输入的信息处理单元。

亚博全站app官网登录

某个输出Xi对神经细胞的影响以影响度回应,称作细胞的融合权重或效率Wi,这个细包模型如图1右图。图1细胞模型  细胞的输出有强有弱,当其综合多达某一阀值,则细胞转入激动状态,产生输入;当其综合高于阈值时,细胞转入诱导状态,没输入。神经细胞之间可以有有所不同的相连方式,目前早已明确提出了许多神经网络模型,在神经网络中,由于神经细胞的计算出来的并行性,其总体计算出来效率很高。

生物的一个最重要特征是有自自学功能,转变神经网络中细胞(或节点)输出端的权重或者细胞激动的阀值,掌控细胞的激动状态,可以构建生物系统所具备的灵活性的辨别和自自学功能。神经网络有两种常用的模型。2.1多层感知器模型图2层次感知器神经网络  图2是一个三层感知器神经网络,有N个输人,M个输入,一个中间层。从输出信号x,由内部单元经非线性转换,最后获得输入y。

对于输出x,希望的输入划为yd=yd(x),而实际输入为y=y(x),一般二者不完全一致;输入输出的函数与网络内部细胞的融合权重有关。由希望输入与实际输入的误差信号e=yd(x)-y(x),调整网络内部的融合权,使误差增大,以提高神经网络的工作,这称作自学神经网络。在这种场合,因为等价希望的输入,故称作有教导的自学。

目前逆向误差传播自学法获得广泛应用,这一自学法以输入的二乘误差为评价函数,以平均速度上升法偏移修正各层融合权和阀值。这样,开始时在网络上随机设置小的权重和内部阀值,反复输出训练数据展开自学,每一试验,根据指标的误差信息对权值和阀值展开调整,直到指标超过可以拒绝接受的值。


本文关键词:亚博全站app官网登录,神经网络,在,轧钢,加热炉,模式,识别,与,前言

本文来源:亚博全站app官网登录-www.hxtyxz.com