基于遺傳算法神經網絡的自動藥劑量辯識研究.pdf

1、隨著火炸藥產品的廣泛應用，火炸藥產品的質量和可靠性事關重大，大到出現安全性問題，小到影響使用性能。確?；鹫ㄋ幃a品的質量和提高其可靠性尤為重要。在傳統(tǒng)的火炸藥產品生產過程中，常常會出現裝藥劑量多裝、少裝甚至漏裝等偏差的情況。而且由于其特殊性，這種偏差很難及時被發(fā)現，這將影響產品的最終性能，甚至造成極其嚴重的質量事故。因此在裝藥后的壓藥工藝過程中能及時識別或測量裝藥劑量，將不合格的產品及時剔除就具有十分重要的價值。 本論文為在壓藥過

2、程中對火炸藥產品藥柱劑量的自動辨識進行了研究?？紤]到火炸藥產品壓藥過程具有嚴重的非線性特性，同時藥劑種類比較繁多的特點，論文采用神經網絡的方法對火炸藥產品藥劑量進行辨識。為了提高網絡的收斂速度和避免網絡陷入局部極小值，采用遺傳算法作為該神經網絡模型系統(tǒng)的訓練算法。該系統(tǒng)能較好的實現在火炸藥產品的生產過程中辨識裝藥劑量的任務。 論文首先對火炸藥的藥劑特性進行了實驗研究，得出了相關結論。然后，對火炸藥產品自動藥劑量辨識問題進行了描述

3、，提出了用于火炸藥產品的藥劑量自動辨識問題的模型算法：基于遺傳算法神經網絡的自動辨識模型系統(tǒng)。 論文通過實驗確定了用于藥劑量自動辨識的BP神經網絡的拓撲結構：1-5-1型三層網絡結構，并對自動辨識模型系統(tǒng)中的相關參數進行了整定。實驗中最后選取的關于遺傳算法的控制參數為：群體規(guī)模N=80，采用自適應遺傳操作，取pc1=0.9，pc2=0.6，pm1=0.1，pm2=0.001，交叉控制參數α=0.3；神經網絡參數為η=0.84、α

4、=0.58。當藥劑品種不同時，需要改變網絡的訓練樣本庫對網絡進行重新訓練，同時網絡參數η、α應根據對網絡收斂的速度要求在訓練過程中進行調整，而遺傳算法的相關參數和網絡的訓練算法不變。 論文利用訓練好的BP神經網絡模型系統(tǒng)對火炸藥產品的藥劑量進行了辨識，并進行相關的插值平滑，得到了較好的辨識結果。 實驗表明運用基于遺傳算法的神經網絡的模型系統(tǒng)進行火炸藥產品藥柱劑量的辨識是一種切實可行的方法，該系統(tǒng)具有通用性好、辨識方便、可