神經(jīng)網(wǎng)絡(luò)和模糊技術(shù)在一類動(dòng)態(tài)波形模式識(shí)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(diǎn),在智能信息處理方面存在巨大的潛力,使得越來(lái)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(lái)解決以時(shí)間為橫坐標(biāo)的一類動(dòng)態(tài)波形的模式識(shí)別問(wèn)題.在工業(yè)生產(chǎn)控制中,此類動(dòng)態(tài)波形的實(shí)時(shí)監(jiān)測(cè)、有效識(shí)別和及時(shí)處理十分重要,因此有必要研究開(kāi)發(fā)基于模糊神經(jīng)網(wǎng)絡(luò)的一類動(dòng)態(tài)波形模式識(shí)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(shí)別問(wèn)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(duì)它的發(fā)展歷史、研究現(xiàn)狀及其主要類型進(jìn)行了綜合闡述.其次,基于二維動(dòng)態(tài)波形的模式特點(diǎn),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(jiǎn)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(duì)網(wǎng)絡(luò)性能的影響,并與RBF神經(jīng)網(wǎng)絡(luò)進(jìn)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(shí)別時(shí)的優(yōu)點(diǎn).最

3、后,針對(duì)國(guó)內(nèi)某大型煉鋼廠的實(shí)時(shí)采集數(shù)據(jù),根據(jù)粘結(jié)性漏鋼的形成機(jī)理和表征此類現(xiàn)象的動(dòng)態(tài)波形特點(diǎn),在Windows操作平臺(tái)上,利用Visual Basic6.0語(yǔ)言開(kāi)發(fā)了基于SOLA模糊神經(jīng)網(wǎng)絡(luò)的粘結(jié)性漏鋼動(dòng)態(tài)波形模式識(shí)別仿真系統(tǒng).由于設(shè)計(jì)時(shí)采用功能模塊化的思想,不僅有效的實(shí)現(xiàn)了SOLA模糊神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)波形模式識(shí)別技術(shù),而且使得軟件的完善和維護(hù)具有較好的操作性.運(yùn)行調(diào)試表明,該仿真系統(tǒng)模擬了現(xiàn)場(chǎng)工況,對(duì)粘結(jié)性漏鋼的動(dòng)態(tài)波形的識(shí)別達(dá)到了較理想