基于遗传算法神经网络的自动药剂量辩识研究

摘要

随着火炸药产品的广泛应用，火炸药产品的质量和可靠性事关重大，大到出现安全性问题，小到影响使用性能。确保火炸药产品的质量和提高其可靠性尤为重要。在传统的火炸药产品生产过程中，常常会出现装药剂量多装、少装甚至漏装等偏差的情况。而且由于其特殊性，这种偏差很难及时被发现，这将影响产品的最终性能，甚至造成极其严重的质量事故。因此在装药后的压药工艺过程中能及时识别或测量装药剂量，将不合格的产品及时剔除就具有十分重要的价值。 本论文为在压药过程中对火炸药产品药柱剂量的自动辨识进行了研究。考虑到火炸药产品压药过程具有严重的非线性特性，同时药剂种类比较繁多的特点，论文采用神经网络的方法对火炸药产品药剂量进行辨识。为了提高网络的收敛速度和避免网络陷入局部极小值，采用遗传算法作为该神经网络模型系统的训练算法。该系统能较好的实现在火炸药产品的生产过程中辨识装药剂量的任务。 论文首先对火炸药的药剂特性进行了实验研究，得出了相关结论。然后，对火炸药产品自动药剂量辨识问题进行了描述，提出了用于火炸药产品的药剂量自动辨识问题的模型算法：基于遗传算法神经网络的自动辨识模型系统。 论文通过实验确定了用于药剂量自动辨识的BP神经网络的拓扑结构：1-5-1型三层网络结构，并对自动辨识模型系统中的相关参数进行了整定。实验中最后选取的关于遗传算法的控制参数为：群体规模N=80，采用自适应遗传操作，取pc1=0.9，pc2=0.6，pm1=0.1，pm2=0.001，交叉控制参数α=0.3；神经网络参数为η=0.84、α=0.58。当药剂品种不同时，需要改变网络的训练样本库对网络进行重新训练，同时网络参数η、α应根据对网络收敛的速度要求在训练过程中进行调整，而遗传算法的相关参数和网络的训练算法不变。 论文利用训练好的BP神经网络模型系统对火炸药产品的药剂量进行了辨识，并进行相关的插值平滑，得到了较好的辨识结果。 实验表明运用基于遗传算法的神经网络的模型系统进行火炸药产品药柱剂量的辨识是一种切实可行的方法，该系统具有通用性好、辨识方便、可扩充性好、实时辨识的特点。

目录

文摘

英文文摘

1绪论

1.1引言

1.2遗传算法的研究现状

1.3神经网络技术的发展历史及研究现状

1.3.1启蒙时期

1.3.2低潮时期

1.3.3复兴期

1.3.4新时期

1.4火炸药产品药剂量辨识的研究现状

2遗传算法基本原理及参数设计技术

2.1基本遗传算法

2.1.1遗传算法基本思想

2.1.2基本遗传算法

2.2遗传算法的数学基础

2.2.1模式定理

2.2.2积木块假设

2.3遗传算法参数设计技术

2.3.1编码技术

2.3.2初始群体设定

2.3.3适应度函数

2.3.4遗传操作

2.4遗传算法改进技术

2.4.1分层遗传算法

2.4.2自适应遗传算法

3神经网络的基本原理及算法分析

3.1神经网络的特点

3.2人工神经网络

3.2.1人工神经网络的一般框架

3.2.2人工神经元模型

3.3反向传播网络

3.3.1反传网络的拓扑结构

3.3.2反传网络的输入及其归一化

3.3.3反传网络的前馈算法

3.3.4反传网络的训练算法

4火炸药产品药剂特性实验研究

4.1实验条件

4.1.1实验材料

4.1.2主要实验仪器及实验条件

4.2实验原理及方法

4.2.1实验原理

4.2.2实验方法

4.3实验数据分析及实验结果

4.3.1特性曲线总体变化趋势实验

4.3.2不同质量药剂的特性曲线明显非线性压力段实验

4.4结论

5基于遗传算法神经网络的药剂量辨识研究

5.1火工品自动药剂量辨识问题描述

5.2遗传算法参数设计

5.2.1编码方案确定

5.2.2初始化种群组(解空间)的构成

5.2.3适应度函数的确定

5.2.4遗传算子参数的选取

5.3神经网络拓扑结构设计

5.3.1系统网络拓扑结构的确定

5.3.2判断隐含层神经元是否冗余的方法

5.4基于遗传算法神经网络的药剂量辨识研究

5.4.1基于遗传算法的BP神经网络模型算法

5.4.2训练样本数据库的建立

5.4.3网络的训练

5.4.4实验结果

6论文总结与问题展望

6.1本文工作总结

6.2今后工作展望

致 谢

参考文献

附录A攻读硕士学位期间参加的项目

附录B攻读硕士学位期间论文发表情况