JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

×
“关于规范使用生成式人工智能工具的启事

基于智能优化型径向基神经网络的板形模式识别研究

解相朋 ,  杨录山

downloadPDF
解相朋, 杨录山. 基于智能优化型径向基神经网络的板形模式识别研究[J]. 轻工学报, 2012, 27(3): 89-92. doi: 10.3969/j.issn.1004-1478.2012.03.024
引用本文: 解相朋, 杨录山. 基于智能优化型径向基神经网络的板形模式识别研究[J]. 轻工学报, 2012, 27(3): 89-92. doi: 10.3969/j.issn.1004-1478.2012.03.024
shu
XIE Xiang-peng and YANG Lu-shan. Study on flatness pattern recognition based on intelligent optimal radial basis function neural network[J]. Journal of Light Industry, 2012, 27(3): 89-92. doi: 10.3969/j.issn.1004-1478.2012.03.024
Citation: XIE Xiang-peng and YANG Lu-shan. Study on flatness pattern recognition based on intelligent optimal radial basis function neural network[J]. Journal of Light Industry, 2012, 27(3): 89-92. doi: 10.3969/j.issn.1004-1478.2012.03.024
shu

基于智能优化型径向基神经网络的板形模式识别研究

  • 中冶南方工程技术有限公司 国家钢铁生产能效优化工程技术研究中心, 湖北 武汉 430223;

  • 解放军信息工程大学 理学院, 河南 郑州 450002

  • 基金项目: 国家自然科学基金项目(60904017,61074073)

  • 中图分类号: TP183

Study on flatness pattern recognition based on intelligent optimal radial basis function neural network

  • National Eng. Research Center of Optimal Energy Efficiency for the Iron and Steel Ind., WISDRI Eng. Tech. Co., Ltd., Wuhan 430223, China;

  • College of Sci., Infor. Eng. Univ. of PLA, Zhengzhou 450002, China

  • Received Date: 2012-03-12
    Available Online: 2012-05-15

    CLC number: TP183

  • 摘要: 针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点.仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.
    Abstract: In order to deal with the problem that the usual flatness pattern recognition methods based on neural network have some flaws which restrict their applications,i.e.,lower precision for the obtained networks,lower velocity for both on-line recognition and complex network modeling,a kind of flatness pattern recognition based on intelligent optimal radial basis function (RBF) neural network was proposed.In the process of modeling the neural network based on some training data,an improved particle swarm optimization algorithm was proposed to optimize both the number of network nodes and the value of network parameters.Therefore,the approach has simpler structure and better generalization than before.The simulation experiment results showed that the approach was effective and could increase the precision of flatness control.
    1. [1]

      张伟伟 , 姬远鹏 , 元春波 , 王君婷 , 齐晓任 , 张卫正 , 李萌 , 饶智 . 基于改进Mask R-CNN模型的粘连烟丝识别方法. 轻工学报, 2024, 39(5): 78-85. doi: 10.12187/2024.05.009

    2. [2]

      张雷 , 马永帅 , 洪斌斌 , 熊开胜 , 徐大勇 , 堵劲松 , 李银华 , 邹泉 . 一种改进OSELM算法在片烟复烤过程水分在线检测中的应用. 轻工学报, 2025, 40(3): 95-103. doi: 10.12187/2025.03.011

    3. [3]

      李梦晓 , 刘成洋 , 张玲 , 董吉林 , 申瑞玲 , 李云龙 . 豌豆-燕麦复合蛋白凝胶制备及配方优化研究. 轻工学报, 2025, 40(3): 38-45,55. doi: 10.12187/2025.03.005

    4. [4]

      费致根 , 鲁豪 , 宋晓晓 , 赵鑫昌 , 郭兴 , 肖艳秋 . 基于改进ResNet网络的烟丝输送带洁净度分类模型. 轻工学报, 2024, 39(5): 71-77. doi: 10.12187/2024.05.008

    5. [5]

      吕金羚 , 傅亮 , 陈永生 . 红茶-花生蛋白复合饮品工艺优化及其营养特性研究. 轻工学报, 2024, 0(0): -.

    6. [6]

      吕金羚 , 傅亮 , 陈永生 . 红茶-花生蛋白复合饮品工艺优化及其营养特性研究. 轻工学报, 2024, 39(5): 9-17. doi: 10.12187/2024.05.002

    7. [7]

      蒋纬 , 胡颖 , 朱振元 . 阳荷多糖提取工艺优化及其生物活性研究. 轻工学报, 2025, 40(4): 10-19. doi: 10.12187/2025.04.002

    8. [8]

      许克静 , 刘语煊 , 张展 , 吕晶晶 , 梁淼 , 李瑞丽 , 张峻松 , 陈小龙 . 辊压法全烟梗再造烟叶的制备工艺优化及结构与性能分析. 轻工学报, 2025, 40(1): 64-74. doi: 10.12187/2025.01.008

    9. [9]

      齐汉如 , 欧阳少丰 , 李玉 , 杨雪鹏 , 赵建国 . 果胶酶粗酶液与漆酶粗酶液复配酶解膨胀梗丝的工艺优化. 轻工学报, 2025, 40(4): 96-107. doi: 10.12187/2025.04.011

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  24
  • 文章访问数:  1384
  • 引证文献数: 0
文章相关
  • 收稿日期:  2012-03-12
  • 刊出日期:  2012-05-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
解相朋, 杨录山. 基于智能优化型径向基神经网络的板形模式识别研究[J]. 轻工学报, 2012, 27(3): 89-92. doi: 10.3969/j.issn.1004-1478.2012.03.024
引用本文: 解相朋, 杨录山. 基于智能优化型径向基神经网络的板形模式识别研究[J]. 轻工学报, 2012, 27(3): 89-92. doi: 10.3969/j.issn.1004-1478.2012.03.024
shu
XIE Xiang-peng and YANG Lu-shan. Study on flatness pattern recognition based on intelligent optimal radial basis function neural network[J]. Journal of Light Industry, 2012, 27(3): 89-92. doi: 10.3969/j.issn.1004-1478.2012.03.024
Citation: XIE Xiang-peng and YANG Lu-shan. Study on flatness pattern recognition based on intelligent optimal radial basis function neural network[J]. Journal of Light Industry, 2012, 27(3): 89-92. doi: 10.3969/j.issn.1004-1478.2012.03.024
shu

基于智能优化型径向基神经网络的板形模式识别研究

  • 中冶南方工程技术有限公司 国家钢铁生产能效优化工程技术研究中心, 湖北 武汉 430223;
  • 解放军信息工程大学 理学院, 河南 郑州 450002
  • 收稿日期: 2012-03-12
  • 网络出版日期: 2012-05-15
基金项目:  国家自然科学基金项目(60904017,61074073)

摘要: 针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点.仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.

English Abstract

相关文章 (9)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net