PDF《辊底式热处理炉钢板温度监测系统 研究》

3 .

5 .

3 B P神经网络层神经元间相应权值的调整过程 神经元间相应权值的调整是 由输出层 ( 网络底层 ) 按各节点元误差之和最小 比较逐级往上调整的, 调整过程为 :输出层反 向传递至隐含层的误差函数 ( 7) 故隐含层与输 出层各神经元之间权值 函数调整为 ( 为常数 ;

j , u 为节点输出的期望值 ) : 』 w : 』 w 一・dD1w【w一77,'

dD(8)隐含层反向传递至输人层的误差函数 ( 9) ( ) ) , ) ( ) ] I 』 』 』 ) )

1 其中.)(f),)()J一II』IllJf

10、故输人层与隐含层各神经元之间权值函数调整为: f ¨ { ¨ { ¨ { ¨ { = )

1 l ¨ { '

'

Ⅵ f l J , ・ 棍7/2.c7/3.c《r/4 l【J'

'

'

)J―,・貔・饿,・・J…、至此完成 了一组训练样例组的调整学习 , 再将这一权值矩 阵作为下一组训练样例组调整学习的初始 权值矩阵.

3 .

5 . 4炉膛钢板温度 BP神经网络权值矩阵向量的预学 习调整过程 对任一炉膛而言 , 在一组训练样例组完成信息传递和神经元之间权值函数调整后 , 提取下一组训练 样例组重复

3 .

5 .

2 项、3.5-3项过程, 直到输出层各节点的输 出值与前一次训练的输 出值的误差满足炉膛 、 ,J 、L,J ∞ ∞ M ∞ ∞ ∞ ∞ 弛w∞¨∞ , , 、 , = D 一一=:/=:/、l, 、 l , 控、l, 、 l , y y 一一++ G G , ,、 l = 、 L , J 弛ddr'

Ln¨ . . . . 馁000=、 、r J d d b ∞ d d d d r '

维普资讯 http://www.cqvip.com

4 四川理工学院学报 (自然科 学版 )

2 0

0 7年 2月 网络的预学习要求的权值矩阵 ( 传递 函数 ) 为止 ,便完成了单个炉膛 B P网络权值矩阵函数 的预学习, 该权值矩阵函数可作为进一步确定系统 B P神经网络的传递 函数 ,它有利于加速系统 B P网络 自主学习 获得系统权值函数的速度.

3 . 6监测 系统 B P神经网络权值矩阵函数的确定

3 .

6 . 1监测系统 B P神经网络权值矩阵 函数的组成 以各炉膛预学习获得 的权值矩阵函数作为串联构成的监 测系统各炉膛 的BP神经网络的初始权值矩阵集 ,进一步用输 入输出样本集 ,对监测系统的 BP神经网络进行系统权值 函数 矩阵的学习训练 ,此时,将上一炉膛 B P神经网络学习训练获 得的钢板温度输 出作为下一炉膛 BP神经网络学习训练的钢板 温度输入 , 各输 出温度应落人要求 的温度范 围内, 否则, 可认 为已落人局部最优 的误导范围内, 学习训练失败 , 应重新学习 训练 .

3 .

6 -

2 系统 B P神经网络权值矩阵函数获得的学习训练过程 (

1 ) 学习训练样例集 的组成 每一学习训练样例组 由各炉膛的炉温 T L i 、 钢板在各炉膛 内加热时间 t i 和温升梯度 Di 、钢板进入加热炉膛 1的初始温 度TG1 、钢板最终 出炉温度 T GO、各炉膛输 出钢板温度的限 制范 围Tli~T

2 i 等组成 . ( 2) 钢板温度监测系统的信息传递过程 整个学习训练过程是 以炉膛为基础进行学 习训练的, 信息 的传递也 由加热炉膛

1 到保温炉膛

2 逐级递推实现, 炉膛信息 的联系 由钢板温度 T Gi 相连.在钢板温度的测算过程中, 应对 各炉膛输出钢板温度做如下判定 , 以防止信息传递落人局部最 优的缺陷状态. I T Gi . Y Gi I ≤ ￡ i T1 i <

T Gi <

T

2 i 式中:Y Gi ――炉膛输出钢板温度的期望值 ;

8 i ――炉 膛输 出钢板温度许用误差值. 若上述两个条件 中, 任一条件不满足 , 则学习训练为失败 , 应重新学习训练. j j + '