浙江大学学报（工学版）
JOURNAL OF ZHEJIANG UNIVERSITY(ENGINEERING SCIENCE)
2002 Vol.36 No.1 P.32-35

BP算法的改进及其在焊接过程控制中的应用

　

Improved BP algorithm for neural network and its application in welding process control

裴浩东　 苏宏业　 褚健　

摘　要：BP算法存在着收敛速度较慢、易于陷入局部极小点的问题,为了解决该问题,对BP算法作了大量仿真试验和深入分析后,发现神经网络各层间权值调节量存在较大的差异,从而提出了一种新的改进方法,充分发挥神经网络各权值对网络训练的贡献.试验结果表明,新算法与基本的BP算法相比大大提高了网络收敛速度,用改进的算法对焊接过程进行了控制仿真,获得了较好的结果.
关键词：BP算法; 神经网络; 权值平衡算法; 焊接
分类号：TP13 　文献标识码：A
文章编号：1008-973X(2002)01-0032-04

基金项目：国家杰出青年科学基金项目资助(NSFC: 60025308).
作者简介：裴浩东(1970-),男,安徽铜陵人,讲师,博士,从事计算机控制方面研究.
作者单位：裴浩东（浙江大学,工业控制技术国家重点实验室,浙江,杭州,310027）　
　　　　　苏宏业（浙江大学,工业控制技术国家重点实验室,浙江,杭州,310027）　
　　　　　褚健（浙江大学,工业控制技术国家重点实验室,浙江,杭州,310027）　

参考文献：

［1］彭松,方组祥.BP神经网络学习算法的联合优化[J].电路与系统学报,2000,5(3):26-30.PENG Song, FANG Zu-xiang. The joint optimization of BP learing algorithm[J]. Journal of Circuits and Systems, 2000,5(3):26-30.
［2］JUN W, VIAL C. Recurent neural networks for liner programming: analysis and design principles[J]. Computers Ops Res, 1992,19(3-4):297-311.
［3］DE GHELLINCK G, VIAL J P. A polynomial Newton method for linear programming[J]. Algorithmica,1986,1(3):425-453.
［4］KARAYIANNIS N J, VENETSANOPOULOS A N. Fast learning algorithm for neural networks[J]. IEEE Trans Cas-1,1992,39(7):453-474.
［5］张立明.人工神经网络模型与应用[M].上海:复旦大学出版社,1993.ZHANG Li-ming. Models and applications of artificial neural networks[M]. Shanghai: Fudan University Press, 1993.
［6］COOK G E. Artificial neural networks applied to arc welding process modeling and control[J]. IEEE Transactions on Industry Applications.1990,26(5):824-830.


收稿日期：2000年2月15日

出版日期：2002年1月1日