基于改进GSA_BP算法的动态称重数据处理

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

比较困难。为提高动态称重的精确度，针对动态称重信号处理的方法及应用有很多。在文献［２，３］中提出确定模型分析法，由于影响因素较多，导致模型比较复杂，精度不足；文献［４６］提出ＢＰ网络模型方法，该方法建模过－程简单，但在数据处理中，尤其是非线性问题，容易出现局部最小，易陷入震荡或者早熟现象；文献［７９］将遗传－
·２３４· ７
计算机工程与设计
内，第ｉ粒子在第ｔ时刻所具有的加速度
Ｎ
１５年２０
力搜索算法（Ｐ神经网络的初始权值和ＳＡ，ＢＨ）对ＢＢＨＧ阈值进行优化。实验结果表明，ＢＨ算法的具有优秀的寻优能力，经ＢＨ优化的ＢＰ神经网络在动态称重数据处理上十分有效。
基于改进ＧＢＰ算法的动态称重数据处理ＡＳ－
吉训生，熊年昀＋，荆田田
（）江南大学轻工业过程先进控制教育部重点实验室，江苏无锡２４１２２１
摘要：为提高动态称重数据处理的精确度和速度，研究动态称重数据处理相关方法，提出一种改进的引力搜索算法（Ｐ神经网络进行优化的方法。通过引入改进黑洞因子（ＳＡ）对ＢＢＨ）和自适应惯性权重，提高ＧＡ的搜索能力，优化ＧＳＢＡ－ＢＰ算法、ＧＡＰ神经网络的初始权值和阈值，使动态称重数据的处理速度更快、精确度更高。将改进ＧＳＰ算法和Ｂ－Ｐ、ＧＰ进行仿真对比，对比结果表明，改进的ＧＳＡ－ＢＳＡ具有优秀的全局搜索能力，经其优化的ＢＰ网络对动态称重数据Ｂ的处理结果更加精确、性能更好。关键词：动态称重；引力搜索算法；全局搜索；ＢＰ网络；惯性权重）１中图法分类号：Ｔ７０２７０５３９１文献标识号：Ａ文章编号：００２４（２０１５０３３１０Ｐ－－－：／ｄｏｉ１０．１６２０８ｓｓｎ１０００２４．２０１５．１０．０２５．ｉ７０－ｊ
＋，，ｕｎＪＩＸｓｈｔｉＪＩｕｎｅｎＸＩＯＮＧＮｉａｎＮＧＴｉａｎａｎ－－ｙ－ｇ
（，，ＫｅＬＪｉａｎｎａｎＵｎｉｖｅｒｓｉｔＡｄｖａｎｃｅｄＰｒｏｃｅｓｓＣｏｎｔｒｏｌｏｆＥｄｕｃａｔｉｏｎＭｉｎｉｓｔｒｏｆＬｉｈｔＩｎｄｕｓｔｒａｂｏｒａｔｏｒｙｇｙｙｇｙｙ）Ｗｕｘｉ２１４１２２，Ｃｈｉｎａ
；：；；；ｏｒｄｓｄｎａｍｉｃｗｅｉｈｉｎｒａｖｉｔａｔｉｏｎａｌｓｅａｒｃｈａｌｏｒｉｔｈｍ（ＧＳＡ）ｌｏｂａｌｓｅａｒｃｈＢＰｎｅｔｗｏｒｋｉｎｅｒｔｉａｗｅｉｈｔＫｅｗｙｇｇｇｇｇｇｙ
２０１５年１０月第３６卷第１０期
计算机工程与设计
ＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮＣＯＭＰ
Ｏｃｔ．２０１５ｏ．１０Ｖｏｌ．３６Ｎ

：Ｔ，Ａｂｓｔｒａｃｔｏｉｒｏｃｅｓｓｉｎｒｅｌａｔｅｄｍｅｔｈｏｄｓｆｏｒｄｎａｍｉｃｗｅｉｈｉｎｄａｔａｍｒｏｖｅｔｈｅａｃｃｕｒａｃａｎｄｓｅｅｄｏｆｄｎａｍｉｃｗｅｉｈｉｎｄａｔａｐｇｙｇｇｐｙｐｙｇｇ，ｒｏｏｓｅｄ．Ａｒａｖｉｔａｔｉｏｎａｌｓｅａｒｃｈａｌｏｒｉｔｈｍ（ＧＳＡ）ｔｏｏｔｉｍｉｚｅｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｒｏｃｅｓｓｉｎｗｅｒｅｓｔｕｄｉｅｄａｎｉｍｒｏｖｅｄｐｐｇｇｐｐｇｐｒｅｓｅｎｔｅｄｃａｌｌｅｄｂｌａｃｋｈｏｌｅ（ＢＨ）ａｎｄｔｈｅａｄａｔｉｖｅｉｎｅｒｔｉａｗｅｉｈｔｗａｓｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅｅｘｌｏｉｔａｔｉｏｎｃａａｂｉｌｉｔｎｅｗｏｅｒａｔｏｒｗａｓｐｐｇｐｐｙｐ，ｗａｓｉｍｒｏｖｅｄｉｎｉｔｉａｌｗｅｉｈｔｓａｎｄｔｈｒｅｓｈｏｌｄｓｏｆｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｗｅｒｅｏｔｉｍｉｚｅｄ．Ｔｈｅｃｏｍｕｔａｔｉｏｎｅｆｆｉｃｉｅｎｃａｎｄｔｈｅａｃｃｕ－ｐｇｐｐｙｒａｒｏｃｅｓｓｉｎｗｅｒｅａｌｓｏｉｍｒｏｖｅｄ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｗａｓｃａｒｒｉｅｄｏｕｔｔｏｖｅｒｉｆｔｈｅａｌｏｒｉｔｈｍ．Ｔｈｅｃｏｆｔｈｅｄｎａｍｉｃｗｅｉｈｉｎｄａｔａｐｇｐｙｇｙｙｇｇ，ｗ，ｋＢｒｅｓｕｌｔｏｆｔｈｅｓｉｍｕｌａｔｉｏｎｈｉｃｈｗａｓｃｏｍａｒｅｄｔｏｏｔｈｅｒｗｅｌｌｏｗｎａｌｏｒｉｔｈｍｓｓｕｃｈａｓｔｒａｄｉｔｉｏｎａｌＢＰａｌｏｒｉｔｈｍ，ＧＡ－ｎｄｎＰａ－ｐｇｇ，ｌｏｂａｌｓｅａｒｃｈａｎｄｔｈｅＢＰｎｅｔｗｏｒｋｗａｓｏｔｉｍｉｚｅｄｕｓｉｎｔｈｅｎｄｉｃａｔｅｓｔｈａｔｔｈｅｉｍｒｏｖｅｄＧＳＡｈａｓｂｅｔｔｅｒｃａａｂｉｌｉｔｏｎＢＰ，ｉＧＳＡ－ｇｐｇｐｐｙｅｒｆｏｒｍａｎｃｅｏｎｒｏｃｅｓｓｉｎｏｆｄｎａｍｉｃｗｅｉｈｉｎｄａｔａ．ｉｍｒｏｖｅｄＧＳＡｉｓｍｏｒｅａｃｃｕｒａｔｅａｎｄｈａｓｂｅｔｔｅｒｐｇｙｇｇｐｐ
ＤｎａｂａｓｅｄｏｎｉｍｒｏｖｅｄｓｓｔｅｍｏｆｄａｔａｒｏｃｅｓｓｉｎｍｉｃｗｅｉｈｉｎｙｐｙｐｇｇｇＢＰａＧＳＡ－ｌｏｒｉｔｈｍｇ
）＝ａｔｉ（
ｉｊ＝１，ｊ≠
）ｔ ∑ ｒＧ（Ｒ
ｊ
２，ｉｊ
）Ｍｊ（ｔ））））（ ·（８ｘｔｔ－ｘｉ（ｊ（（）ｔ＋ε
每个粒子的位置和速度在每一次迭代过程中都会得到更新，粒子的速度和位置的更新过程如下）））＝ｒｎｄｖｔ＋１ａｖｔｔ＋ａｉ（ｉ· ｉ（ｉ（））＝ｘ）ｘｔ＋１ｔｔ＋１＋ｖｉ（ｉ（ｉ（ — ［］的随机数。 — 式中：ｎｄ０，１ｒａｉ— ）（９２１４１４００１０１１１２１６－－－－，男，江苏南通人，副教授，硕士生导师，研究方向为微弱信号处理；＋通讯作者：熊年昀（，男，安作者简介：吉训生（６９８７１９１９－）－），男，安徽阜阳人，硕士研究生，研究方向为烧结配料智能控徽宿州人，硕士研究生，研究方向为信号检测与信息处理；荆田田（８９１９－）：制与算法优化。Ｅ－ｍｉｌ１３４８１８３５０５＠ｑ．ｃｏｍａｑ
，是基于引力定律和第二运动定律的优化算法。文献ＧＳＡ）［］描述Ｇ１１ＳＡ在解决优化问题中收敛特性，文献［１２］研究结果表明ＧＡ在最优分配中表现的优秀能力，但是ＳＧＳＡ仍然存在全局和局部搜索平衡能力不足、收敛速度慢，开发能力不够。为提高动态称重的精确度和稳定性，，Ｂ通过引入黑洞因子（ｂｌａｃｋｈｏｌｅＨ）和惯性权重来改进引
１引力搜索算法
在算法中，所有的粒子在引力的作用下相互运动，引力使得粒子按照运动定律运动，每一个粒子知道自己和其它粒子的位置，且都具有一定的质量，粒子在合力的作用
０引言
在汽车动态称重
［１］
算法引入到ＢＰ神经网络中，但ＧＡ存在搜索效率低、时间复杂度高等缺点。过程中，获取高精确度的实际重量
１０］（引力搜索算法［ｒａｖｉｔａｔｉｏｎａｌｓｅａｒｃｈａｌｏｒｉｔｈｍ，ｇｇ