神經(jīng)網(wǎng)絡(luò)和模糊技術(shù)在一類動態(tài)波形模式識別中的應(yīng)用研究.pdf

1、由于模糊神經(jīng)網(wǎng)絡(luò)結(jié)合了人工神經(jīng)網(wǎng)絡(luò)和模糊邏輯技術(shù)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(xué)者投入到這一領(lǐng)域的研究和應(yīng)用中.本文主要是利用模糊神經(jīng)網(wǎng)絡(luò)來解決以時間為橫坐標(biāo)的一類動態(tài)波形的模式識別問題.在工業(yè)生產(chǎn)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(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)的必要性,并對它的發(fā)展歷史、研究現(xiàn)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(jīng)網(wǎng)絡(luò)(FNN)的第一、二層神經(jīng)元的數(shù)目簡化,利用自組織學(xué)習(xí)算法構(gòu)造SOLA(Self-organizing Learning Algorithm)模糊神經(jīng)網(wǎng)絡(luò),研究了它的網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法,討論了它的主要參數(shù)對網(wǎng)絡(luò)性能的影響,并與RBF神經(jīng)網(wǎng)絡(luò)進行了比較,總結(jié)了SOLA模糊神經(jīng)網(wǎng)絡(luò)在處理此類模式識別時的優(yōu)點.最

3、后,針對國內(nèi)某大型煉鋼廠的實時采集數(shù)據(jù),根據(jù)粘結(jié)性漏鋼的形成機理和表征此類現(xiàn)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(jīng)網(wǎng)絡(luò)的粘結(jié)性漏鋼動態(tài)波形模式識別仿真系統(tǒng).由于設(shè)計時采用功能模塊化的思想,不僅有效的實現(xiàn)了SOLA模糊神經(jīng)網(wǎng)絡(luò)動態(tài)波形模式識別技術(shù),而且使得軟件的完善和維護具有較好的操作性.運行調(diào)試表明,該仿真系統(tǒng)模擬了現(xiàn)場工況,對粘結(jié)性漏鋼的動態(tài)波形的識別達到了較理想