基于模糊技术的神经网络建模及其应用——连铸漏钢诊断预报温度模式识别的研究

《基于模糊技术的神经网络建模及其应用——连铸漏钢诊断预报温度模式识别的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要本文在对连铸漏钢诊断预报、模式识别、神经网络、模糊技术的研究现状和发展进行了认真仔细分析的基础上，融合了模糊技术和神经网络技术，为连铸漏钢温度模式识别建立了诊断预报模型。作者为宝钢2号连铸机建立了一套基于现场数据采集的动态信息分析及仿真系统，并以此为平台，在基于模糊技术的神经网络建模及其在连铸漏钢诊断预报的温度模式识别方面展开了深入研究。主要工作和创新点包括：1．本文利用现场运行和试验得到的报警数据，对宝钢引进的国外漏钢逻辑判断预报模型进行了剖析。本文认为应该采用具有人工智能的算法替代现场操作工人的判断，来提高漏钢预报的准确性，因而形成了

2、融合模糊技术和神经网络来进行漏钢温度模式识别的思路。本文在建立了温度模式识别的单偶时序网络、组偶空间网络、区域判别网络之后，给出了连铸漏钢诊断预报温度模式识别的总体构架。2．本文提出了将模糊聚类分析和RBF神经网络融合并应用于连铸漏钢温度模式识别的思想。本文认为：漏钢模式1、漏钢模式2及它们的传递性反映了粘结性漏钢的本质特征。模糊聚类的最终目的就是识别出漏钢模式1和漏钢模式2类别的波形。本文综合了RBF神经网络的结构优势和FCM算法特点，引入了改进的FCM算法来优化RBF的隐含层节点，进而实现了RBF基函数的功能。本文首次提出并实现的针对漏钢

3、温度模式识别的CFRBF模型，即基于调节型FCM的RBF神经网络模型，克服了一般聚类算法的无监督学习的不足，将RBF的输出通过反馈引入到FCM算法中，兼顾了训练样本在输入空间的相似性和在输出空间的期望值。针对CFRBF模型，本文提出了选择训练样本、选择中心初值和优化隐层节点数目等原则。动态仿真试验表摘要明：本文建模得到的CFRBF神经网络具有很好的非线性映射精度和分类能力。3．本文提出了将模糊模式识别和模糊ART融合并应用于连铸漏钢温度模式识别的思想。本文将自定义贴近度引入至ART分类标准中，择近原则引入至ART聚类算法中，对样本数据进行聚类

4、。通过对自定义贴近度的证明、参数优化和样本训练，本文首次提出并实现了针对漏钢温度模式识别的CFART模型，即基于贴近度的模糊ART神经网络模型。从模糊模式识别的角度出发，本文将漏钢模式的波形进行模糊化，获得其模糊集；经过训练，得到漏钢模式1和漏钢模式2的模糊集。辨识时，CFART模型把动态波形的模糊模式同上述漏钢模糊模式相比较，并由模糊决策层决定是否归入漏钢模式1或漏钢模式2类别。针对CFART模型，本文还提出了非典型样本去除、学习速率和警戒参数的确定方法。动态仿真实验证明，本文建立的CFART模型，对漏钢温度动态波形具有很好的辨识能力，在结

5、构和性能方面都优于标准的模糊ART网络。4．通过仿真实验，本文分析对比了基于CFRBF模型和基于CFART模型的漏钢温度模式识别的结果，并进一步提出了模型的改进方案。研究结果表明，基于模糊技术的神经网络新模型，对波形的识别更优于宝钢引进的国外漏钢逻辑判断预报模型，可以对漏钢征兆作出准确识别，有效地避免了系统发生漏报警和误报警的现象。5．本文完成了基于现场数据采集的动态信息分析与仿真系统(IASS)的硬件研制与软件开发。这既为漏钢诊断预报模型的理论研究及仿真试验提供了真实的现场工艺数据，又能对理论研究建立的识别模型进行动态分析检验，为研究和比较

6、各类新型漏钢诊断预报模型及温度模式识别方法提供了仿真平台。关键词：漏钢诊断预报、RBF神经网络、ART神经网络、模糊聚类、模糊模式识别IlABSTRACTInthispaper，afterstudyandanalysisofthestateofartindevelopmentofdiagnosisandpredictionofcontinuouscastingbreakout、patternrecognition、neuralnetworksandfuzzysetstechnology,adiagnosisandpredictionmodel

7、ingfortemperature-wavepatternrecognitionofcontinuouscastingbreakouthasbeenestablishedanddevelopedbyapplyingfuzzysetstechnologyandneuralnetworkstechnology．AuthorfirstdevelopsadynamicInformationAnalysisandSimulationSystem(1ASS)basedonreal—timedatacollectedfromthefield，theNo．2

8、continuouscasterinBaoSteelCorporation．WiththehelpofthelASSplatform，theauthorthendo