论文部分内容阅读
为了实现气力输送管道内的棉花流量检测,引入广义回归神经元网络(GRNN),建立基于光电传感原理的实时棉花流量动态检测标定模型,充分利用GRNN在非线性函数关系逼近能力、学习速度和网络稳定性方面的优势。采用一种实数编码的改进遗传算法(MGA)完成对网络的有教师式训练过程,改善网络性能。首先建立基于GRNN神经网络的标定模型,然后利用MGA搜索接近全局最优的基函数中心和平滑因子,最后用该模型对测试样本数据进行了预测。