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
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
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
收藏
页码:55 / 58
页数:4
相关论文
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