10.3969/j.issn.1000-3932.2006.04.004
基于动态聚类算法的CWNN在纸张紧度检测中的应用
针对造纸生产线中纸张紧度无法在线检测的问题,利用小波-神经网络的分析和非线性逼近能力拟合纸张紧度J与纸张定量Q、纸张水分M、叩解度°SR、纸浆纤维湿重g、浆速网速比KT等可在线检测量间的非线性关系.通过K均值聚类算法预处理训练样本以平滑优化途径,解决连续小波神经网络(CSNN)的局部极小化问题.将学习算法中的主要系数独立地分配到网络的权值和小波尺度因子中,以提高网络的并行运算能力和收敛速度.训练好的CSNN用于纸张紧度的在线检测.仿真和实践表明:该方法测得的纸张紧度精度高.
纸张紧度、在线检测、连续小波神经网络、动态聚类算法
33
TP273(自动化技术及设备)
国家自然科学基金6050201;陕西省教育厅资助项目06JK356
2006-09-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
14-18