三角形隶属度函数用于模糊神经网络的衡器标定.doc

三角形隶属度函数用于模糊神经网络的衡器标定 摘 要 目的： 将三角型隶属度函数的模糊神经网络用于电容式多功能天车秤，实现电解铝的称重过程的计量,提高称重的准确度。 方法： 用一部分实际铝称重的部分属于做测试，利用三角形隶属函数对这部分数据进行模糊化处理，然后输入到基于BP算法的神经网络，对该网络进行训练。用训练好的网络对剩下的数据进行测试，并与之前的数据进行比较，得出对衡器标定的误差，观察准确程度。 结果： 在称重过程中融入了模糊理论与神经网络的方法，既考虑了称重数据的模糊性又考虑称重特征与称重结果的复杂关系，使结果更加具有精确性，为衡器的标定开辟了一条新方法。 关键词：模糊神经网络 三角型隶属度函数 BP算法 铝称重 Abstract Objective: to will triangle membership function of fuzzy neural network for capacitive multi-function PTM scale, the realization of the weighing process electrolytic aluminium, improve the accuracy of measurement weighing. Methods: using part of the actual aluminum weighing part belong to do the test, and using triangle distrution function of this section data are fuzzed, then input to the neural network based on BP algorithm, the network for training. Use for the rest of the trained network, and experimental data before, it is concluded that the data to compare calibration error, observing instruments that accurate degree. Results: in weighing process into the fuzzy theory and the method of neural network, which considers the fuzziness of the weighing data and consider the characteristics and weighing weighing, to make the result more complicated relationship with accuracy, the calibration for instruments have opened up a new method. Keywords: fuzzy neural network triangle membership function BP algorithm aluminum weighing 目录 摘 要 1 Abstract 1 第一章 引言 3 1.1课题的研究背景、目的和意义 3 1.2本课题的主要研究内容 3 第二章 电子称重系统以及数据提取方法 4 2.1电容式多功能天车电子秤 4 2.2称重数据的提取 4 第三章 模糊神经网络以及BP算法 6 3.1模糊神经网络基础 6 3.1.1神经网络 6 3.1.2模糊理论 7 3.2 BP神经网络 9 3.2.1 BP网络的结构 9 3.2.2 BP神经网络的学习算法 10 3.3 BP神经网络设计基础 18 3.3.1 训练样本集的准备 18 3.3.2 初始权值的设计 20 3.3.3 BP多层感知器结构设计 21 3.3.4 网络训练与测试 22 第四章 三角形隶属度函数在铝称重的应用 22 4.1 隶属函数 22 4.2 模糊神经网络的结构模型 25 第五章 模糊神经网络用于铝称重的步骤 26 5.1 特征提取和模糊化 26 5.2 隶属函数选取 26 5.3 隐含层和输出层的处理 27 第六章 实验结果的讨论 30 6.1 三角形隶属度函数称重结果 30 6.2 三角形型隶属度函数模糊神经网络的称重结果分析 30 第七章 结论 30 参考文献 31 附录：仿真程序 33  第一章 引言 1.1课题的研究背景、目的和意义 任何一个产铝企业的管理层，均应该准确地掌握生产设备的生产能力、设备运行效率等原始数据，从而依据这些原始数据，科学、合理的调控生产