文档介绍：- -
I
RBF
神经网络;蚁群算法稳态优化; 关键词
关键词
关键词
关键词
利用径向基函数网络实现函数逼近,并通过实验验证。
本文采用径向基函数建模, 具有最佳逼近能力。, 简洁,而且学习收敛速度快
RBF RBF , Network
网络是一种局部神经网络,其结构简单、训练)神经网络。
Neural Function asis B Radial
任意精度逼近任何连续函数,典型的有径向基(
分布存储、自学习能力强、容错性好等特点,其中的
多层前向神经网络可以以
人工神经网络不仅可任意逼近非线性,且具有大规模并行处理、知识能建模。
针对工业过程的复杂性、非线性和不准确性,本文采用人工神经网络来智
缺陷,算法的优化性能得到了有效的改善。
速度有了显著的提高,有效地克服了该算法收敛速度慢、易陷于局部最小点的
新型启发式优化算法。同时采用了一系列改进策略使基本蚁群算法的全局优化
具有分布计算、信息正反馈和启发式搜索的特征,本质上是进化算法中的一种
在优化方面,为获得优化参数,本文采用蚁群优化算法来寻优,这种算法
提出了相应的改进算法。
化方法国内外发展状况、原理、实现方法以及各自的优缺点和局限性基础上,
的先进控制技术。稳态优化主要分为建模和优化两部分,论文在分析建模和优
) (
或者目标函数达到最小
的设备参数或工艺变量,是一种投入小,见效快或最大
高的要求。稳态优化技术能根据过程系统性能和特点,找出使系统的性能指标
全、优质、高效的运行成为了人们关注的热点,对生产过程的控制也提出了更
随着工业过程不断地向大型化和自动化方向发展,复杂工业过程平稳、安
摘要
摘要
摘要
摘要
基于径向基神经网络的工业过程稳态优化设计
基于径向基神经网络的工业过程稳态优化设计
基于径向基神经网络的工业过程稳态优化设计
基于径向基神经网络的工业过程稳态优化设计
哈尔滨理工大学学士学位论文
Design Of Industry Steady-State Optimization
Based On RBF
Abstract
It has e the focus of people to make plicated industrial engineering
operated steadily, safely, high-quality and high-effectively, along with the fact that
industry process run increasingly to large-scale and automation. It’s also brought
forward higher request to procedure of production. Steady-state optimization can find
out the equipment parameters or handicraft variable that can maximize or minimize
the function index or target function of the system according to the characterstic of the
process system. It's an advanced control technique of little devotion and quick effect.
Steady-state optimization is posed of modeling and optimization. The
corresponding improved algorithm has been applied and verified by simulation in this
paper, based on analyzing domestic and foreign's situation of the modeling and
optimization, every method's principle, realizing method, ing and their
limitation.
In the optimization, Ant Colony Optimization (ACO) was used to look for
optimizing parameters in the paper. This algorithm is puting,
i