资料下载
×
GA-BP网络在木材干燥过程建模中的应用
消耗积分:2 |
格式:rar |
大小:230 |
2009-07-30
贾桂林
分享资料个
木材干燥是一个复杂的非线性系统，由于木材结构复杂且具有多样性和变异性，很难建立一个理想的符合木材干燥过程的数学模型。利用遗传算法的全局寻优能力优化BP 神经网络连接权值系数，分别用BP 和GA-BP 两种算法建立了木材干燥基准模型。对比结果表明：GA-BP 算法建立木材干燥基准模型提高了期望误差精度和收敛速度，避免了BP 算法陷入局部极小值，预测平均误差为1.0413%，具有较好的预测精度。
木材干燥是一个复杂的强耦合非线性动力系统,而且在干燥过程中存在着外界的干扰和
模型的不确定性，在控制精度和性能要求较高的场合，必须考虑控制对象参数乃至结构的变化、非线性的影响、运行环境的改变以及环境干扰等时变的不确定的因素，才能得到满意的控制[1]。要实现这一点，首先要建立能够准确完整地描述木材干燥规律的控制模型，为干燥的过程控制提供可靠的信息。进而对其控制策略进行研究，选择合适的控制方法，使木材干燥控制系统达到理想的控制效果。在一般情况下,最好的方法是建立常规的数学公式，但是目前为止,要获得精确的木材干燥过程模型的数学公式还存在较大的难度。
神经网络是近年来人工智能研究的一个前沿领域，神经网络的出现为木材干燥过程建模
提供了新的方法，并取得了一定的成果：文献[1]建立了木材干燥过程的动态递归神经网络模型；文献[3]建立了木材干燥过程的时延神经网络模型。但是神经网络也存在一些缺陷，如训练速度慢，容易陷入局部极小值和全局搜索能力弱等，所以神经网络研究的难点之一便是如何得到学习效率高和稳定性能好的网络参数和结构。遗传算法(Genetic Algorithm，简称GA)是根据达尔文的自然界生物进化思想，将其灵活运用到优化运算领域而产生的一种寻优算法。本文利用遗传算法优化神经网络的权重系数和阈值参数，获得全局最优解，进而更有效的建立木材干燥过程的神经网络模型。
木材干燥是一个复杂的强耦合非线性动力系统,而且在干燥过程中存在着外界的干扰和
模型的不确定性，在控制精度和性能要求较高的场合，必须考虑控制对象参数乃至结构的变化、非线性的影响、运行环境的改变以及环境干扰等时变的不确定的因素，才能得到满意的控制[1]。要实现这一点，首先要建立能够准确完整地描述木材干燥规律的控制模型，为干燥的过程控制提供可靠的信息。进而对其控制策略进行研究，选择合适的控制方法，使木材干燥控制系统达到理想的控制效果。在一般情况下,最好的方法是建立常规的数学公式，但是目前为止,要获得精确的木材干燥过程模型的数学公式还存在较大的难度。
神经网络是近年来人工智能研究的一个前沿领域，神经网络的出现为木材干燥过程建模
提供了新的方法，并取得了一定的成果：文献[1]建立了木材干燥过程的动态递归神经网络模型；文献[3]建立了木材干燥过程的时延神经网络模型。但是神经网络也存在一些缺陷，如训练速度慢，容易陷入局部极小值和全局搜索能力弱等，所以神经网络研究的难点之一便是如何得到学习效率高和稳定性能好的网络参数和结构。遗传算法(Genetic Algorithm，简称GA)是根据达尔文的自然界生物进化思想，将其灵活运用到优化运算领域而产生的一种寻优算法。本文利用遗传算法优化神经网络的权重系数和阈值参数，获得全局最优解，进而更有效的建立木材干燥过程的神经网络模型。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
