基于生态遗传算法的煤矸石自适应模糊模式识别.pdf

《基于生态遗传算法的煤矸石自适应模糊模式识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第31卷第12期华中科技大学学报（自然科学版）VOI.31NO.122003年12月J.HuazhOngUniv.OfSci.&Tech（.NatureScienceEditiOn）Dec.2003基于生态遗传算法的煤矸石自适应模糊模式识别徐琦孔力程晶晶（华中科技大学控制科学与工程系）摘要：给出煤矸石组分模式识别的模糊神经网络模型，提出一种实用生态算子，同时将此基础上构建的生态遗传算法用于模糊神经网络的离线学习，能有效避免传统BP算法学习速度慢、易陷入局部极小的缺陷和基本遗传算法的遗传滑脱现象.仿真和实验结果显

2、示新算法使离线训练的网络具有良好的收敛性能，而且从训练好的定量网络中提取模糊规则用于原煤的在线自动分选，不仅能提高煤中矸石的识别率，而且有效解决了系统识别精度与实时分选之间的矛盾.关键词：煤矸石；模式识别；生态遗传算法；模糊神经网络中图分类号：TP274.3文献标识码：A文章编号：1671-451（22003）12-0022-03[U｝，由试凑法和经验确定其模糊划分数分别为：!模糊神经网络模型m1=2，m2=3，同时选择“煤”模式作为网络的模糊输出.煤矸石模式识别的FNN模型如图2所图1是采用模糊神经网络的原煤

3、自动分选系示.统结构示意图.其中特征量根据双能!射线透射法的原理确定，上位PC机完成模糊神经网络的离线训练，下位测控仪表基于模糊规则表进行模糊推理，实现煤与矸石的在线模糊模式识别，以弥补传统模式分类方法的不足，从而获得更好的分选效果［1］.!.!特征向量的选取双能!射线煤矸石分选过程中，直接测得的物理量[U，[U和[I，[I，以及由此变换得到的物理图2采用FNN的煤矸石模式识别模型00量包括比值[IU，K=In（[II）/In（[UU），第一层为输入层.第二层为隶属函数生成层，/[0-[0-[产生每个输入变量对

4、所属模糊子集的隶属度，使d=I（n[U-[U）/（UU2/g）等等［1］，可m0!!!0.08cm用高斯隶属函数exp［-（（x-a）/6）2］.第三层组成多种模式空间，利用不同模式空间中图像的为推理层，其中每个结点代表一条模糊规则.第四分割效果并结合试凑法选取模式特征向量，作为层为输出层.此系统的输入输出关系为FNN的输入变量.66y=("w"ll)""l，l=1l=1JJ式中"l=!11!22，J1#｛1，2｝，J2#｛1，2，3｝."基于生态遗传算法的网络训练在FNN的训练过程中，由于通常定义的误图1基于

5、模糊神经网络的煤矸石分选系统示意图差曲面粗糙不平，使得基于梯度搜索的BP学习!."模糊神经网络模型I算法不仅计算量大，而且容易陷入局部极小，学习本系统选取的固有特征向量集为｛K，[/效率很低.遗传算法作为解决优化问题的通用算收稿日期：2002-11-01.作者简介：徐琦（1972-），女，博士；武汉，华中科技大学控制科学与工程系（430074）.基金项目：国家自然科学基金资助项目（69874017）.第12期徐琦等：基于生态遗传算法的煤矸石自适应模糊模式识别23法，可以在复杂的、多峰的、非线性及不可微的空个体，

6、然后将适应度最小的相似个体删除.间中实现全局搜索.值得注意的是，在模糊规则的!.".!限制交叉进化过程中，每一条可能的模糊规则决定了代价在生物界中，只有同种或近种才能交配，以便函数的一个峰值，使得求解空间成为强多模态的物种得以延续，因而，在遗传算法中，同样要对交（StronglyMultimodal），基本遗传算法（SGA）在处叉操作采取限制，使交叉尽可能发生在相似的个理具有不等值峰点的多模态函数时，会出现遗传体间.设置一阈值常数L，若配对的两个体间距离滑脱（GeneticDrift）现象［2］，因此本文采用生

7、态遗大于L，则不进行交叉操作；反之则进行交叉.传算法（NGA）来优化模糊神经网络.!.!基于生态遗传算法的网络训练!."实用生态算子基于生态遗传算法的模糊神经网络训练过程为了达到遗传的多样化，一是要限制某一物如图3所示.确定各模糊子集的隶属度函数参数种的过度扩张，二是要维持单一物种的存活.因此a和6、各模糊规则的权重系数"l等待优化参数本文设计的实用生态算子分别从资源共享和限制的变化范围将为参数的编码和解码创造条件，同交叉两方面实现生态运算，以维持种群个体（基因时编码染色体串的按序排列能很容易辨识整个网码链）的

8、多样性.络的层次结构，具体实现参见文献［3］.个体适应!."."资源共享度评价函数为A.调整适应度.根据个体间差别的大小，即NF（X）=C-［y（k）-y（k）］2，对有限生态资源的共享程度（共享度）来调整适应i!iidk=1度.当某一个体的共享度越小时，邻近的相似个体式中，C是适当定义的足够大的正数；N为训练越少，其适应度增加，以鼓励繁殖.数学描述如下.集中样本总数；y（ik）为第i