基于改进遗传算法优化Elman网络的板形识别方法

来源：钢铁研究学报杂志2017年第4期北京时间：

作者：毕志敏，王焱

单位：济南大学控制科学与工程学院，山东济南250022

摘要：针对目前的板形缺陷识别方法精度不高、识别速度慢的问题，根据Elman神经网络模型可以反映系统动态特性，而且可以逼近任意非线性函数的特点，提出了一种利用改进的遗传算法优化Elman神经网络，使其泛化能力强、学习速度快、识别精度高，并建立板形缺陷模式识别模型的方法。为了验证该方法的识别能力，在隐层节点数与学习次数相同的条件下，分别与遗传算法优化的Elman网络和BP网络模型进行板形识别仿真对比分析。试验结果表明，改进遗传算法优化的Elman神经网络模型对板形缺陷识别精度高于BP网络等模型，并且具有收敛速度快的优点。

关键词：改进遗传算法;Elman神经网络;板形缺陷识别