灰铸铁性能预测的自组织模型法.pdfVIP

维普资讯 ，} U 、 f2 现 代 详 铁 总第69期 1998年第 1期 9 灰铸铁性能预测的 自组织模型法 -、 I 里 ． qL ＼八 统 ；藉此可较准确地预测灰铸铁性能所属牌号。 ． ． 词 瞄 - If AseOrganizedPattern FPredicting住叶I 0 前言 1 自组织模型及其算法 灰铸铁的生产过程是一个复杂的多元系统。 T．Kohonen 提 出了著名 的 白组织特征映射 循着 工艺因素 一组织特征 一物理力学性能这条思 人工神经阿络，它是一个简单的双层网络 (图 1)， 路 ，人们作 了许多努力 ，探索了多种提高灰铸铁性 每个输入节点与所有输 出节点通 过权 (W)相联 能的途径及物理机制。但 目前为止 ，尚无法建立 系，实现对输入信号 的非线性降维映射。映射 中 起较为理想的预测灰铸铁性能的数学模型。对于 保持拓扑不变性，即把拓扑意义下相似的输入映 灰铸铁的拉伸性能 ．一般只要求确知是否在某个 射到相近的输出节点上。该模型 目前已被广泛应 指标范围内即所谓牌号．而非一定要确知其具体 数据。这样就将灰铸铁性能预测 问题转化为对其 牌号的判别 问题。 模式识别基于同类模式数据结构上的相似性， 以分割空间的方式辨认模式的类别L1 。将其应 用于灰铸铁生产这一复杂的物理化学过程的研究， 可直接在筛选而得的有关输入量构成的空间中，拟 台具有优质输出结果的模式 ，代表点的空间的分布 结构，从而确立能对过程的输出进行干预的有效模 型。人工神经网络L4J是模拟生物神经传递信息的 方法而建立起的一种人工智能模式识别方法．具有 Xa，)c1．… ， 并行、适应能力强等优点。神经元L5作为神经网络 图 1 T Kohone~模型 的基本要素 ，由于计算速度快而得到广泛应用。人 Fig．1 T．Kohonenmodel 工神经阿络在灰铸铁生产设计 中的应用作者曾涉 用于模式识别 、联想存储及组合优化等 问题 该 及L6l7J，现作进一步的介绍。 维普资讯 lO -试验研究 · 王有明等 葳铸铁性能项棰I的自组织模型珐 组织模型的学习规则是无教师学 习。在该类学习 (输出节点)为 K。t为时间即代表权重的调节次 鳃则中，关键不在于实际节点的输出怎样与外部 数 ，如在 t时刻权为 w (t)，则在下一时刻 t+1 的期望输出相一致 ，而在于调整参数以反 映观察 时，权为w(t+1)。 事件的分布。 stepl：随机给定网络初始权， 对照圈 1，设 XER 为输入模式 向量 ，w 为