一种多种群广义遗传ＣＭＡＣ的软测量模型

王华秋，姜　群
重庆理工大学计算机学院，重庆

摘　　　要：对ＣＭＡＣ的惯性系数和学习率进行了优化，提出了基于广义遗传优化的小脑模型神经网络（ＣＭＡＣ）算法，提高ＣＭＡＣ的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要。结合溶出预脱硅系统工艺优化的需求，提出了基于广义遗传优化的ＣＭＡＣ的溶出赤泥Ａ／Ｓ比系统软模型，用于准确实时地预测溶出赤泥Ａ／Ｓ比。试验说明了该模型在对化工软计算的预测精度和快速性上具有明显的优越性，在某氧化铝厂工艺优化系统中的应用，提高了溶出的生产效率和指标。

关　键　词：赤泥Ａ／Ｓ比；软测量模型；广义遗传优化；小脑模型神经网络

１　引　言
小脑模型神经网络（ＣＭＡＣ）模型已成功地应用于各种领域，如机器人控制［１，２］，信号处理［３］，模式识别［４］，以及故障诊断［５］。由于传统的ＣＭＡＣ神经网络惯性系数和学习率都依赖经验选择，所以难以在网络的训练精度和范化能力之间达到平衡，从而严重地影响了ＣＭＡＣ的建模精度和实用性。遗传算法优良的全局寻优能力可以解决这个问题，利用遗传算法对ＣＭＡＣ参数进行寻优，可以设计出具有较佳性能参数和全局搜索能力的网络模型。为了提高ＣＭＡＣ模型精度和速度，采用了具有全局搜索功能和收敛速度快的广义遗传算法［６］作为优化方法，并对广义遗传算法的优化策略上进行了适当的改进已达到ＣＭＡＣ参数优化目标。

登录网站后可下载文件

相关阅读:

• ...2011/09/05 16:42·一种多模式的低频RFID阅读器设计方案
• ...2008/11/07 13:07·一种多周期测量频率的方法及应用