论文部分内容阅读
本文介绍了遗传算法的基本原理和特点,并针对传统遗传算法存在的不足,提出了一种采用“适应度值缩放+最优个体保护策略+使用多种交叉函数”的改进型遗传算法。该改进型遗传算法可以有效的克服传统遗传算法存在的早熟、进化缓慢、进化过程中的振荡等缺点。
本文还针对传统的BP神经网络和Elman神经网络训练算法存在的训练速度慢、易陷入局部极小等缺点,提出了改进型遗传算法和传统神经网络训练算法相结合的训练方法,同时对人工神经网络的结构和连接权值、阈值进行优化,并和使用传统遗传算法、标准神经网络训练算法的训练方法进行了仿真对比,新的改进型遗传算法和神经网络相结合的训练算法取得了较好的效果。同时,本文对BP网络和Elman网络在功能和性能上的差异进行了对比。
在上述改进型遗传算法的基础上,本文对乙烯裂解炉的裂解深度控制软测量建模进行了研究,介绍了软测量建模的一般性原理,在分析裂解深度控制原理和方法的基础上,提出了采用改进型遗传算法和Elman型动态回归网络相结合的方法,对乙烯裂解炉裂解深度控制进行软测量建模。使用现场采集到的数据和在线分析仪得到的裂解深度值对软测量模型进行训练和测试,证明采用该方法建立软测量模型的方法是行之有效的。