论文部分内容阅读
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=0.9,=0.6,=0.1,=0.001,交叉控制参数=0.3;神经网络参数为(=0.84、(=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、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。