基于改进TS云推理网络的板形模式识别方法.pdf

第44卷第2期 中南大学学报(自然科学版) 、，01．44N02 2013年2月 JournalofCentralSouth and Feb2013 University(Science Technology) 基于改进T—S云推理网络的板形模式识别方法 张秀玲1一，赵文保1一，张少宇1一，徐腾1’2 (1．燕山大学河北省工业计算机控制工程重点实验室，河北秦皇岛，066004； 2．国家冷轧板带装备及工艺工程技术研究中心，河北秦皇岛，066004) 摘要：将云模型与T—S模糊神经网络相结合，利用正态云代替模糊神经网络的隶属度函数，构成T—S云推理网 络。该网络综合考虑了模糊逻辑的快速性和云模型处理数据的不确定性，增强了网络处理数据的能力，同时分析 了T—S云推理网络的结构和稳定性。在超熵确定的情况卜I，使用最速下降法辨识了T—S云推理网络的参数，将 该网络应用于板形模式识别，并与T—s模糊神经网络作了对比。仿真结果表明：T—s云推理网络抗干扰能力较强， 能够识别出常见的板形缺陷，并且识别精度较高。 关键词：云模型；T—S模糊神经网络；最速下降法；板形；模式识别 中图分类号：TP273 文献标志码：A 文章编号：1672—7207(2013)02—0580—07 Methodof flatness basedon patternrecognition T·—‘Scloudinferencenetwork improved ZHANG Xiulin91一，ZHAOWenba01一，ZHANGShaoyul一，XU Ten912 ofIndustrial Control ofHebei (1．KeyLaboratory ComputerEngineeringProvince， Yanshan University，Qinhuangdao066004，China； 2．National ResearchCenterfor and ofCold Engineering EquipmentTechnologyStripRolling，Qinhuangdao066004，China) cloudinference Abstract：T-S networkwasbuiltbasedonthecloudmodelandT-S neuralnetwork．andthe fuzzy normalcloudisusedtotakethe of function．Thenetworktakesintoaccount the place membership syntheticallyrapidity of andthe ofcloudmodelfor enhancesthenetworkof data