资源描述：
《基于差分神经网络的热处理炉钢板温度预报研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第33卷第5期武汉科技大学学报Vol.33,No.52010年10月JournalofWuhanUniversityofScienceandTechnologyOct.2010基于差分神经网络的热处理炉钢板温度预报研究李静,王京,赵云涛(北京科技大学冶金工程研究院,北京,100083)摘要:针对热处理炉钢板温度模型建立困难、准确性差等问题,采用差分进化算法与神经网络相结合的方法,建立了基于差分神经网络的热处理炉钢板温度预报模型。结果显示了该钢板温度预报模型具有较高的精度。关键词:差分进化算法;神经网络;热处理炉;钢板温度预报中图分类号:TP301文献标志码:A文章编号:167423644
2、(2010)0520492205热处理炉钢板的热交换是一个非常复杂的过量赋予权值后加到第三个随机选择的个体矢量程,伴随着相变潜热的释放,其表面受到炉内火上,生成变异个体,该操作称为变异。变异个体与焰、炉墙、炉气热辐射以及炉内气体对流的影响,目标个体进行参数混合,生成试验矢量,这一过程其炉内温度分布无法依赖现有的技术手段进行检称为交叉。如果试验矢量的适应度优于目标个体测,更难以用精确的数学模型描述。以往的研究的适应度,则用试验矢量取代目标个体而形成下[1]大多是从钢板在炉内的热传导偏微分方程入手,一代新个体,该操作称为选择。通过求解偏微分方程,得到钢板在加热过程中的设NP个维数为D的实数向
3、量作为每代种[2]温度分布。上述研究方法有两个缺点:一是由于群,每个个体可表示为g对钢板加热过程需要做过多的假设,使得预报模xi,(i=1,2,⋯,NP)型的温度精度大打折扣;二是由于钢板加热过程式中:i为个体在种群中的序列;g=1,2,⋯,G为具有典型的分布参数特性及复杂的边界条件,使进化代数;NP为种群规模,进化过程中,NP始[3]得偏微分方程的求解复杂。而神经网络具有自学终保持不变。习、自组织、自适应和非线性动态处理等特性,因1.1初始化而可用于热处理炉钢板的温度预报。但是BP神为建立优化搜索的初始点,种群首先需要被经网络在使用过程中存在易陷入局部最优等缺初始化。通常生成初始种群的
4、一个方法是从给定陷。边界约束内的值中随机选择,在DE研究中,一般本文利用差分进化算法对神经网络结构参数假定所有随机初始化种群均符合均匀概率分布。(L)(U)和权值阈值自动寻优,通过大量学习样本训练验设参数变量界限为xij≤xij≤xij,则(U)(L)(L)证,使差分神经网络较BP网络在温度预报精度xij(0)=rand[0,1](xij-xij)+xij(1)方面有明显提高。i=1,2,⋯,NP;j=1,2,⋯,D式中:rand[0,1]为[0,1]之间产生的均匀随机数。1差分进化算法数学模型1.2变异操作g差分进化算法(DE)求解优化问题时,通过对于每个目标个体xi(i=1,2,⋯,
5、NP),基NP个个体在搜索空间内共同完成并行搜索。本DE算法的变异个体产生如下:ggggDE的基本操作包括变异、交叉和选择3种操作。vi=xr+F(xr-xr)(2)123初始种群是在搜索空间内随机生成的,一般采用式中:随机选择的序号r1、r2、r3互不相同,且r1、均匀分布的随机函数来产生。然后随机选择两个r2、r3与目标个体序号i也不同,所以须满足NP不同的个体矢量相减生成差分矢量,再将差分矢≥4。变异算子F∈[0,2]是一个实常数因数,控收稿日期:2010204212基金项目“:十一五”国家科技支撑计划项目(2006BAE03A06).作者简介:李静(19732),女,北京科技大学
6、副研究员,博士.E2mail:lijing@nercar.ustb.edu.cn通讯作者:王京(19482),男,北京科技大学教授,博士生导师.E2mail:wangj@nercar.ustb.edu.cn2010年第5期李静,等:基于差分神经网络的热处理炉钢板温度预报研究493制差分矢量的放大作用。传算法的全局搜索能力特点,对神经网络的网络1.3交叉操作结构、各层神经元的连接权、阈值进行最优化设为了增加种群的多样性,引入了交叉操作,对计,模型结构形式如图1所示。g变异操作获得的变异个体vi和对应的目标个体ggxi按式(3)进行交叉生成试验矢量uigui=gvijifrandb(j)≤C
7、Rorj=mbr(i)(3)gxijifrandb(j)>CRorj≠mbr(i)图1差分算法优化神经网络模型结构ggggui=(ui,ui,⋯,ui)12DFig.1Basicprinciplesofoptimizedneuralnetworksbydif2i=1,2,⋯,NP;j=1,2,⋯,Dferentialevolutionalgorithm式中:randb(j)为随机数发生器在[0,1]之间产生将差分进化算法用于优化神经
