冷轧板形识别的免疫遗传RBF-BP神经网络方法
通过对板形缺陷模式的分析,提出一种基于免疫遗传算法(IGA)的RBF-BP组合神经网络的板形识别方法,即采用免疫遗传算法对RBF-BP组合神经网络进行优化,以此优化网络作为冷轧带钢板形缺陷的识别模型,可识别出6种相对于常见板形缺陷基本模式的隶属度.采用免疫遗传算法可在遗传算法优化的基础上引入免疫系统中的抗体多样性与浓度调节机制,改进遗传算法的优化效果.通过对几种网络的比较研究,证明了用免疫遗传算法优化的RBF-BP组合神经网络具有更高的识别精度,并能够克服单纯采用遗传算法优化时个体多样性减少快、易出现未成熟收敛的缺陷,提高了板形的识别效果.
带钢 冷轧板形识别 组合神经网络 免疫遗传算法
李小华 张涛
辽宁科技大学电子与信息工程学院,辽宁鞍山114051
国内会议
北京
中文
185-189
2014-06-01（万方平台首次上网日期，不代表论文的发表时间）