王華秋，姜　群
重慶理工大學(xué)計(jì)算機(jī)學(xué)院，重慶

摘　　　要：對(duì)ＣＭＡＣ的慣性系數(shù)和學(xué)習(xí)率進(jìn)行了優(yōu)化，提出了基于廣義遺傳優(yōu)化的小腦模型神經(jīng)網(wǎng)絡(luò)（ＣＭＡＣ）算法，提高ＣＭＡＣ的計(jì)算速度和精度以滿足復(fù)雜動(dòng)態(tài)環(huán)境下的非線性實(shí)時(shí)控制的需要。結(jié)合溶出預(yù)脫硅系統(tǒng)工藝優(yōu)化的需求，提出了基于廣義遺傳優(yōu)化的ＣＭＡＣ的溶出赤泥Ａ／Ｓ比系統(tǒng)軟模型，用于準(zhǔn)確實(shí)時(shí)地預(yù)測(cè)溶出赤泥Ａ／Ｓ比。試驗(yàn)說(shuō)明了該模型在對(duì)化工軟計(jì)算的預(yù)測(cè)精度和快速性上具有明顯的優(yōu)越性，在某氧化鋁廠工藝優(yōu)化系統(tǒng)中的應(yīng)用，提高了溶出的生產(chǎn)效率和指標(biāo)。

關(guān)　鍵　詞：赤泥Ａ／Ｓ比；軟測(cè)量模型；廣義遺傳優(yōu)化；小腦模型神經(jīng)網(wǎng)絡(luò)

１　引　言
小腦模型神經(jīng)網(wǎng)絡(luò)（ＣＭＡＣ）模型已成功地應(yīng)用于各種領(lǐng)域，如機(jī)器人控制［１，２］，信號(hào)處理［３］，模式識(shí)別［４］，以及故障診斷［５］。由于傳統(tǒng)的ＣＭＡＣ神經(jīng)網(wǎng)絡(luò)慣性系數(shù)和學(xué)習(xí)率都依賴經(jīng)驗(yàn)選擇，所以難以在網(wǎng)絡(luò)的訓(xùn)練精度和范化能力之間達(dá)到平衡，從而嚴(yán)重地影響了ＣＭＡＣ的建模精度和實(shí)用性。遺傳算法優(yōu)良的全局尋優(yōu)能力可以解決這個(gè)問(wèn)題，利用遺傳算法對(duì)ＣＭＡＣ參數(shù)進(jìn)行尋優(yōu)，可以設(shè)計(jì)出具有較佳性能參數(shù)和全局搜索能力的網(wǎng)絡(luò)模型。為了提高ＣＭＡＣ模型精度和速度，采用了具有全局搜索功能和收斂速度快的廣義遺傳算法［６］作為優(yōu)化方法，并對(duì)廣義遺傳算法的優(yōu)化策略上進(jìn)行了適當(dāng)?shù)母倪M(jìn)已達(dá)到ＣＭＡＣ參數(shù)優(yōu)化目標(biāo)。

登錄網(wǎng)站后可下載文件