神經網絡和模糊技術在一類動態(tài)波形模式識別中的應用研究.pdf

1、由于模糊神經網絡結合了人工神經網絡和模糊邏輯技術的優(yōu)點,在智能信息處理方面存在巨大的潛力,使得越來越多的專家學者投入到這一領域的研究和應用中.本文主要是利用模糊神經網絡來解決以時間為橫坐標的一類動態(tài)波形的模式識別問題.在工業(yè)生產控制中,此類動態(tài)波形的實時監(jiān)測、有效識別和及時處理十分重要,因此有必要研究開發(fā)基于模糊神經網絡的一類動態(tài)波形模式識別仿真系統(tǒng).首先,本文分析了神經網絡和模糊邏輯系統(tǒng)在處理模式識別問題中存在的局限性,指出了研究模糊

2、神經網絡的必要性,并對它的發(fā)展歷史、研究現狀及其主要類型進行了綜合闡述.其次,基于二維動態(tài)波形的模式特點,將一種四層前向模糊神經網絡(FNN)的第一、二層神經元的數目簡化,利用自組織學習算法構造SOLA(Self-organizing Learning Algorithm)模糊神經網絡,研究了它的網絡結構和學習算法,討論了它的主要參數對網絡性能的影響,并與RBF神經網絡進行了比較,總結了SOLA模糊神經網絡在處理此類模式識別時的優(yōu)點.最

3、后,針對國內某大型煉鋼廠的實時采集數據,根據粘結性漏鋼的形成機理和表征此類現象的動態(tài)波形特點,在Windows操作平臺上,利用Visual Basic6.0語言開發(fā)了基于SOLA模糊神經網絡的粘結性漏鋼動態(tài)波形模式識別仿真系統(tǒng).由于設計時采用功能模塊化的思想,不僅有效的實現了SOLA模糊神經網絡動態(tài)波形模式識別技術,而且使得軟件的完善和維護具有較好的操作性.運行調試表明,該仿真系統(tǒng)模擬了現場工況,對粘結性漏鋼的動態(tài)波形的識別達到了較理想