基于小波神经网络的大型多辊热连轧机产品质量模型

被引：9

作者：

李换琴

万百五

不详

机构：

[1] 西安交通大学理学院

[2] 西安交通大学系统工程研究所陕西西安

[3] 陕西西安

来源：

系统工程 | 2002年 / 05期

关键词：

小波神经网络; 质量模型; 高维输入; 热连轧机;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

依据小波的非线性逼近能力和神经网络的自学习特性 ,提出一种适合高维输入的小波神经网络建模方法 ,这种小波网络结构类似多层感知器 ,不同的是隐层神经元的激励函数为小波函数。分别对 3种小波函数进行试验 ,利用多种优化算法训练神经网络 ,经比较 ,选择 B-样条函数为激励函数 ,利用L- M算法较为理想 ,成功解决了 32维输入的大型多辊热连轧机钢板材质量建模问题。经过 86 0 0组实测数据拟合和检验 ,测试结果表明 ,拟合命中率达 82 .3% ,测试命中率达 80 .5 % ,表明了该方法的有效性。

引用

页码：55 / 58

页数：4

共 5 条

[1]

Wavelet neural networks for function learning. Zhang J,Walter G,Miao Y,et al. IEEE Transactions on Signal Processing . 1995

[2]

Wavelet networks. Zhang Q,Benveniste A. IEEE Transactions on Neural Networks . 1992

[3]

Identification and control of dynamical systems using neural networks. Narendra K S,Parthasrathy K. IEEE Transactions on Neural Networks . 1990

[4]

Using wavelet network in nonparametric estimation. Zhang Q. IEEE Transactions on Neural Networks . 1997

[5]

Nonlinear black-box modeling in system identification: a unified overview. Sjberg J,Zhang Q H,Benveniste A,et al. Automatica . 1995

← 1 →