混合优化RBF-BP网络的板形缺陷识别

• 作者: 康学楠 张秀玲 李家欢 李金祥 魏楷伦
• 来源期刊: 模糊系统与数学
• 学科: 工学
• 关键词: 模式识别 RBF-BP 混合优化 自组织映射网络 遗传算法 板形
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 模糊理论及应用
• 页码范围: 149-156
• 页数: 8页
• 分类号: TP183
• 语种: 中文

摘要

针对传统板形模式识别方法存在精度低、鲁棒性弱的问题,提出了一种混合优化RBF-BP组合神经网络板形模式识别方法.首先利用自组织映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定RBF的中心,并计算RBF的宽度,克服了传统聚类算法随机选取中心导致聚类结果不稳定的问题.然后利用遗传算法(GA)良好的全局搜索能力优化整个网络的权值.RBF-BP组合神经网络是由一个RBF子网和一BP子网串联构成的,该网络同时具备BP神经网络能较好地预测未知样本的能力以及RBF神经网络的逼近速度快的优点.并以某900HC可逆冷轧机板形识别为应用背景,在MATLAB2010a环境下进行仿真实验,结果表明混合优化RBF-BP组合神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形缺陷识别精度并具有较好的鲁棒性,可以满足板带轧机高精度的板形控制要求.