基于免疫的混合學習算法在轉(zhuǎn)爐提釩靜態(tài)模型中的應(yīng)用研究.pdf

1、本論文對重慶大學自動控制研究所與某鋼鐵公司合作開發(fā)的"提釩過程靜態(tài)模型及其控制決策計算智能研究"項目(以下簡稱項目)進行了深入的研究.對本項目的建模機制、模型算法、模型優(yōu)化從免疫理論的角度作了新的探討,將基于免疫的混合學習算法用于項目中徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的建模,豐富了此項目的建模方法,進一步深化了對項目的理解.在對基于免疫的混合學習算法的探討過程中,我們對算法的免疫學背景,免疫網(wǎng)絡(luò)的相關(guān)理論作了較詳細的闡述,并從免疫系統(tǒng)的角度對RBF神

2、經(jīng)網(wǎng)絡(luò)做了全新的解釋,提出了RBF神經(jīng)網(wǎng)絡(luò)就是人工免疫系統(tǒng)的觀點.對基于免疫的混合學習算法的兩種子算法:通過克隆選擇進行學習方法和通過內(nèi)部親和力進行學習方法,從算法原理、算法步驟和算法驗證等多個方面進行了詳細的闡述.并最終將其用到了我們的提釩靜態(tài)模型的建模上:采用通過克隆選擇進行學習的算法建立具有足夠預報精度的模型,再采用通過內(nèi)部親和力進行學習這種減量算法對模型進行調(diào)整,以使模型結(jié)構(gòu)最簡.通過仿真實驗,證明基于免疫的混合學習算法相對于傳