| 【中文题名】 | 计算智能在卷烟配方系统中的应用与研究 |
| 【英文题名】 | Application of Computational Intelligence to Tobacco Formulating System |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-9-10 |
| 【中关键词】 | 计算智能,神经网络,模糊技术,遗传算法,专家系统,卷烟配方 |
| 【英关键词】 | Computational Intelligence,Neural Network,Fuzzy Technology,Genetic Algorithm,Expert System,Cigarette Formulating,Computer Aided Design,Intelligent CAD,Object-Oriented Technology,Java Language, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
自1956年诞生以来，基于符号人工智能技术作为一种智能化研究的有力工具，已在工业、农业、医学、军事等众多领域得到了广泛应用，并取得了许多重要成果。然而，人工智能方法在处理非线性的、不确定的复杂工程问题时，有时却显得十分困难。于是，人们转而去研究其它更有效的解决问题途径，计算智能技术正是在这种环境下应运而生的。计算智能包括人工神经网络、进化计算和模糊系统等智能模拟方法。它的最大特点就是不需要建立问题本身的精确模型，非常适合于处理那些因为难以建立有效的形式化模型而用传统人工智能方法难以解决，甚至无法解决的问题。计算智能的提出，为人工智能技术在工程中的广泛应用提供了一条崭新的思路。
卷烟配方涉及的数据及加工工艺非常复杂，是一个典型的不确定性、非线性问题。本文结合卷烟配方设计的业务需求，详细地阐述了计算智能的基本理论及其烟草行业中的应用。全文总共分为七章。
第一章介绍了计算智能的基本概况，提出了本文选题背景、研究内容及研究意义。第二章详细阐述了传统烟叶分类作业过程及其弊端，提出了利用专家经验与模糊Kohonen网络相结合的分类方法。第三章讨论了利用Kohonen网络与BP网络集成在... |
| 【论文题纲】 |
|
第一章 绪论 |
7-12 |
|
1.1 计算智能的提出、研究现状及发展 |
7-8 |
|
1.2 计算智能主要研究内容 |
8-9 |
|
1.3 人工神经网络基本概述 |
9-10 |
|
1.4 课题选择背景、研究现状及其意义 |
10-11 |
|
1.4.1 课题背景 |
10-11 |
|
1.4.2 研究现状及其意义 |
11 |
|
1.5 本文主要研究内容 |
11-12 |
|
第二章 Kohonen网络在烟叶分类中的应用研究 |
12-21 |
|
2.1 传统烟叶分级作业过程及其弊端 |
12 |
|
2.2 新的烟叶分类方法的提出 |
12-13 |
|
2.3 Kohonen神经网络 |
13-15 |
|
2.3.1 Kohonen网络结构模型及基本原理 |
13-14 |
|
2.3.2 Kohonen神经网络算法设计 |
14-15 |
|
2.4 Kohonen网络在烟叶分类中的应用及改进 |
15-21 |
|
2.4.1 Kohonen网络存在的问题及其简单改进 |
15-16 |
|
2.4.2 模糊Kohonen网络 |
16-19 |
|
2.4.3 FKN在烟叶分类中应用 |
19-21 |
|
第三章 BP网络在卷烟感官质量和烟气指标预测中的应用 |
21-38 |
|
3.1 卷烟感官质量评吸过程及其弊端 |
21 |
|
3.2 卷烟烟气指标仪器检测及其弊端 |
21-22 |
|
3.3 卷烟感官质量和烟气指标神经网络预测方法的提出 |
22-23 |
|
3.4 BP神经网络基本原理 |
23-26 |
|
3.4.1 BP神经网络的结构模型 |
23-24 |
|
3.4.2 BP神经网络的学习算法 |
24-26 |
|
3.4.3 传统BP网络存在的缺点 |
26 |
|
3.5 BP神经网络的改进方法及其性能比较 |
26-31 |
|
3.5.1 基于标准梯度下降的方法改进算法 |
27-29 |
|
3.5.2 基于数值优化方法的网络训练算法 |
29-31 |
|
3.6 BP网络在卷烟感官质量评吸中的应用设计 |
31-38 |
|
3.6.1 BP网络学习率的自适应调整 |
32-33 |
|
3.6.2 BP网络结构的改进 |
33-34 |
|
3.6.3 改进后BP网络学习算法的设计 |
34-35 |
|
3.6.4 学习样本数据预处理 |
35-37 |
|
3.6.5 Kohonen网络和BP网络的集成应用 |
37-38 |
|
第四章 遗传算法在卷烟配方中的应用研究 |
38-50 |
|
4.1 遗传算法 |
38-43 |
|
4.1.1 遗传算法的工作机理 |
38-39 |
|
4.1.2 基本遗传算法及遗传算子 |
39-40 |
|
4.1.3 遗传算法的特点 |
40 |
|
4.1.4 几种改进遗传算法的比较分析 |
40-42 |
|
4.1.5 遗传算法在系统中应用改进 |
42-43 |
|
4.2 用遗传算法求解最佳卷烟配方维护方案的研究 |
43-47 |
|
4.2.1 卷烟配方维护设计 |
43 |
|
4.2.2 遗传算法应用设计及分析 |
43-47 |
|
4.3 用遗传算法求解最佳卷烟新配方的研究 |
47-50 |
|
4.3.1 新卷烟产品设计 |
47-48 |
|
4.3.2 遗传算法应用设计及分析 |
48-50 |
|
第五章 多种智能技术在卷烟系统中集成 |
50-57 |
|
5.1 专家系统的基本原理 |
50-51 |
|
5.2 模糊技术 |
51-52 |
|
5.3 专家系统与神经网络集成 |
52-53 |
|
5.4 模糊神经网络 |
53-54 |
|
5.5 神经网络与遗传算法集成 |
54-55 |
|
5.6 多种智能技术综合集成 |
55-57 |
|
第六章 系统设计及实现 |
57-63 |
|
6.1 系统总体设计方案 |
57-59 |
|
6.1.1 系统总体架构 |
57-58 |
|
6.1.2 系统数据流程 |
58 |
|
6.1.3 系统逻辑结构与物理结构 |
58-59 |
|
6.2 应用纯面向对象的JAVA语言实现系统 |
59-60 |
|
6.3 系统类的设计 |
60-61 |
|
6.4 系统部分运行结果及分析 |
61-63 |
|
第七章 结论与展望 |
63-65 |
|
7.1 结论 |
63 |
|
7.2 展望 |
63-65 |
|
参考文献 |
65-68 |
|
致谢 |
68-69 |
|
作者攻读硕士期间完成论文 |
69 |
|
| 【DOI】 | LunWen.ID:2.2008.386832 |
