论文答辩PPT样板.ppt

可拓评价在模糊神经网络结构优化中的研究,学生：XXX导师：XXX教授,论文结构,第一章 绪论第二章 模糊神经网络的基本理论第三章 可拓评价及评价指标体系第四章 模糊神经网络结构评价第五章 柔性物料加工轨迹FNNS优化及仿真,第一章 绪论,研究背景,目的,意义,寻找一种能够直接把FNN应用在绗缝加工中的有效方法,可拓评价法现状FNN现状FNN结构优化现状,可将应用于绗缝加工系统，控制轨迹变形偏差，提高精度和效率,非刚性材料高速加工时运动方向和速度的动态变化，使材料变形和预定轨迹改变，数据不易获得，难以得到运动对象控制模型，其中存在三个关键问题：（1）由于加工对象变形，使设定加工轨迹发生变化，变化量难以预测；（2）变形因素复杂多变，无法建立加工对象常规精确模型；（3）难以保证实时控制。,研究背景,第一章 绪论,可拓评价方法研究现状,研究现状,可拓学从新的角度为人们认识和分析现实世界、解决现实世界中的矛盾问题，提出了一种新的方法。可拓学的发展经历了三个阶段:孕育阶段，初创阶段，学科的应用研究与推广阶段。,第一章 绪论,研究现状,根据实际应用领域的不同，提出了一些新理论、新方法。例如可拓决策方法、新产品构思方法、物元变换方法、菱形思维方法、优度评价方法、物元相容度判别方法、可拓营销策划方法、可拓检测方法等。,可拓评价方法研究现状,第一章 绪论,研究现状,针对柔性物料加工的特点，以可拓工程方法为基础，建立多指标性能参数的综合评判物元模型，以定量数值表示评定结果，选取具有代表性、且对网络优化起重要作用的指标，较完整地反映被评价对象的综合水平。,可拓评价方法研究现状,第一章 绪论,FNN结构优化现状,FNN在上世纪六十年代就有人研究了，但真正深入研究是在1988年，美国国家宇航局(NASA)召开了神经网络和模糊理论结合的国际会议，人们才认真开始注意神经网络和模糊理论结合的研究。Jang在1993 年提出并设计了网络结构模型，这种网络结构便是FNN的雏形。Wang将Mamdnai模糊模型和多层前向网络(BP网)相结合，构成结构简单的标准型模糊神经网络，物理意义明确，已经被证明了具有万能逼近能力，这使得它在系统控制和辨识上都得到了广泛应用,研究现状,第一章 绪论,模糊信息处理过程中，FNN的性能在很大程度上受限于网络结构。不同结构的FNN应用到不同的场合，会得到不同的结果，其重要性引发人们对FNN结构的进一步研究。提出了各种新的模糊神经网络模型，给出了与之相适应的学习算法，这些研究不仅加速了模糊神经网络理论的完善，而且在实际中得到了广泛应用。,研究现状,FNN结构优化现状,第一章 绪论,1.建立适合于柔性物料加工轨迹变形误差预测的模糊神经网络理论 2.由可拓策略生成多种网络模型方案，构建柔性物料加工的FNN模型评价体系3.仿真验证柔性物料加工FNN的优点,研究目的,第一章 绪论,1.利用可拓评价法构建FNN的物元模型,使用可拓学解决FNN在控制中的参数选取和评价技术 2.针对绗缝物料加工轨迹变形的非线性对象的控制问题，目前仍未找到有效的解决方案，本论文的方法为解决这类加工过程控制提出了新的思路 3.评价过程中无须人工干预，评价结果真实可靠，评价方法灵活,研究意义,第一章 绪论,1.根据评价体系的原则和要求，结合FNN的特征，建立柔性物料加工轨迹变形的FNN方案的评价体系 2.针对传统优化方法的不足，创新性地采用一种新的评价方法可拓学优度评价法，将其应用于FNN结构的优选，并通过实例验证了此种方法的可靠性与可操作性,创新之处,第一章 绪论,模糊神经网络理论 FNN常用智能优化算法 常用优化方法,第二章模糊神经网络基本理论,模糊神经网络结构设计 模糊神经网络的学习算法 模糊神经网络结构的分类,第二章模糊神经网络基本理论,图2-1 模糊神经网络结构,1、模糊BP神经网络结构如图2-1,模糊神经网络结设计,第二章模糊神经网络基本理论,2、模糊BP神经网络结构各层输入输出,模糊神经网络结设计,第二章模糊神经网络基本理论,模糊神经网络学习算法,第二章模糊神经网络基本理论,连接形式和使用功能,运算方法,逻辑模糊神经网络 算术模糊神经网络混合模糊神经网络,功能,分类FNN模式识别的FNN聚类的FNN函数逼近的FNN模糊推理的FNN,松散型结合 并联型结合串联型结合,输入信号和网络权值,权值模糊化网络输入模糊化网络权值与输入模糊化网络,第二章模糊神经网络基本理论,FNN常用智能优化算法,模拟退火算法 粒子群优化算法 蚁群优化算法 遗传算法 混合算法,第二章模糊神经网络基本理论,FNN常用优化方法,穷举法 增长法 剪枝法 进化算法其它算法,增长剪枝联合法 级联相关法 启发式法Upstart法,增长剪枝联合法 灵敏度法 惩罚项法 奇异值分解法 统计法,常用优化方法,第二章模糊神经网络基本理论,下表概括对比了几种FNN结构优化方法的应用、优点和缺点,第二章模糊神经网络基本理论,可拓评价理论 评价指标体系 改进的评价方法 可拓评价方法的优势,第三章 可拓评价理论及评价体系,可拓评价的基本概念 优度评价方法的步骤,可拓评价理论,物元的概念可拓集合定义 关联函数的定义关联度(规范关联度)优度,确定衡量指标 确定权系数 首次评价构造关联函数，计算关联度关联度规范化计算优度,第三章 可拓评价理论及评价体系,物元概念 给定事物名称 N，它关于特征c的量值为v，以有序三元组R作为描述事物的基本元，简称为物元。事物的名称 N，特征 c和量值v称为物元的三要素。其中 R=(N,c,v)。根据物元的定义，物元的三要素 N，c，v之间的关系用式子 v=c(N)来表示。物元三个要素的变化和事物内部结构的变化使物元产生变化从而物元是描述事物可变性的基本工具。,第三章 可拓评价理论及评价体系,可拓集合概念 设U为论域，u为U中的任一元素，k是U到实域I的一个映射，是给定的变换，称 为论域U上的一个可拓集，为的关联函数，为的可拓函数。其中TU，Tk，Tu分别为论域U、关联准函数k和元素u的变换。,第三章 可拓评价理论及评价体系,关联函数概念 给定事物名称 N，它关于特征c的量值为v，以有序三元组R作为描述事物的基本元，简称为物元。事物的名称 N，特征 c和量值v称为物元的三要素。其中 R=(N,c,v)。根据物元的定义，物元的三要素 N，c，v之间的关系用式子 v=c(N)来表示。物元三个要素的变化和事物内部结构的变化使物元产生变化从而物元是描述事物可变性的基本工具。,第三章 可拓评价理论及评价体系,优度评价方法的特点,1.用“非满足不可的条件”在首次评价中可以筛选去一些方案，可简化后续方案优化、评选过程。2.评价过程中无须人工干预，评价结果真实可靠，评价方法灵活。3.关联函数的值是整个实数域，优度可以反映一个对象的利弊程度。,可拓评价理论,第三章 可拓评价理论及评价体系,4.优度评价法的关键是制定物元、建立关联函数和指标的权重5.优度评价方法适用于很多评价体系，对评价体系没有要求和限制，适合于定性指标和定量指标的评价6.优度评价法可以通过建立分段或离散型的关联函数解决连续和离散型问题,优度评价方法的特点,可拓评价理论,第三章 可拓评价理论及评价体系,柔性物料加工轨迹的评价指标体系构建,第三章 可拓评价理论及评价体系,第四章 模糊神经网络结构评价,模糊神经网络与可拓学的融合 评价指标权重确定 优度评价法在柔性物料加工轨迹中的应用 柔性物料加工轨迹的模糊神经网络仿真,模糊神经网络与可拓学的融合,可拓学与模糊神经网络的结合的可能性(l)可拓学着重思维、推理、判断过程的形式化描述；人工神经网络将思维、推理、判断寓于从简单到复杂的过程之中。(2)可拓学在求解问题时要有大量的信息处理，需要研究信息的处理方式与过程；人工神经网络处理信息的过程是并行分布处理，比较接近于人脑。(3)可拓学注重可拓元的可拓性研究，注重分析推理的层次性和方向性。人工神经网络具有结构和参数学习功能。从这点上看，可拓学可以为神经网络的结构学习提供理论依据并指导结构学习。,第四章 模糊神经网络结构评价,柔性物料加工轨迹变形物元的建立,1.模糊神经网络物元模型,模糊神经网络与可拓学的融合,第四章 模糊神经网络结构评价,2.柔性物料加工轨迹变形物元,模糊神经网络与可拓学的融合,柔性物料加工轨迹变形物元的建立,第四章 模糊神经网络结构评价,柔性物料加工轨迹变形评价指标权重的确定,层次分析法原理 层次分析法是一种多目标决策方法，主要用于多目标的优劣排序和权重确定。把复杂的问题分解成各个组成因素，按支配关系分组形成层次结构，通过两两比较确定层次中诸因素的相对重要性，构造出判断矩阵并求解，确定各因素的相对权重。,模糊神经网络与可拓学的融合,第四章 模糊神经网络结构评价,2.层次分析法具体步骤(1)建立层次结构模型；(2)构造判断矩阵；(3)层次单排序及其一致性检验；(4)层次总排序及其一致性检验。,模糊神经网络与可拓学的融合,柔性物料加工轨迹变形评价指标权重的确定,第四章 模糊神经网络结构评价,优度评价法在柔性物料加工轨迹变形中的应用,确定柔性物料加工待评物元 确定各指标的权系数 首次评价 建立关联函数，计算关联度 计算优度，确定最优方案,第四章 模糊神经网络结构评价,柔性物料加工轨迹的模糊神经网络仿真,绗缝加工是一个复杂、非线性、多变量耦合、时变的系统，加工中，处理的对象一般是非线性和复杂的，为了条件限制和处理问题的方便，使用下式给出的物元作为输入对象。,第四章 模糊神经网络结构评价,柔性物料加工轨迹的模糊神经网络物元,第四章 模糊神经网络结构评价,关联函数,关联度规范化,规范合格度,优度,第四章 模糊神经网络结构评价,学习速率为。,采用两个输入变量采用随机方法在(-1，1)区间上产生400个数据对作为输入变量，输出变量来构成200组原始数据样本集作为网络学习的数据样本集。网络学习参数取动量因子为,模型为,柔性物料加工轨迹的模糊神经网络仿真,第四章 模糊神经网络结构评价,FNN效果曲线,FNN误差曲线,柔性物料加工轨迹的模糊神经网络仿真,第四章 模糊神经网络结构评价,FNN神经网络泛化测试曲线,柔性物料加工轨迹的模糊神经网络仿真,第四章 模糊神经网络结构评价,第五章 柔性物料加工轨迹的 FNNS优化及仿真,模糊神经网络的结构优化 柔性物料加工轨迹变形FNN的优度评价 柔性物料加工轨迹实例仿真,第五章 柔性物料加工轨迹的FNNS优化及仿真,柔性物料加工轨迹变形FNN的优度评价,1.待评价的物元,权系数为,柔性物料加工轨迹实例仿真,图5-1 FNN神经网络拟合效果曲线,仿真实验基于柔性物料非线性加工轨迹变形模型，用优度评价法对方案进行评价选优，并仿真验证优度评价方法优化的有效性。为了不失一般性，选用非线性随机函数进行学习验证：,第五章 柔性物料加工轨迹的FNNS优化及仿真,图5-2 FNN神经网络拟合误差曲线,图5-3 本文FNN神经网络拟合效果曲线,第五章 柔性物料加工轨迹的FNNS优化及仿真,图5-4 本文FNN神经网络拟合误差曲线,第五章 柔性物料加工轨迹的FNNS优化及仿真,图5-2的FNN算法的收敛速度较慢，经过260次学习后训练结束；图5-4为可拓评价优化后的误差曲线，经过164次学习后训练结束，网络训练步数减少，训练速度加快。图5-1和图5-3分别是优化前后的拟合曲线，图5-3拟合效果较好，通过优化的网络得出的拟合效果是令人满意的。,第五章 柔性物料加工轨迹的FNNS优化及仿真,结 论,根据柔性物料的非线性加工过程中的建模需要，分析了模糊神经网络的结构和优化方法，研究了可拓优度评价方法。将模糊神经网络技术与可拓评价相结合，提出可拓优度评价应用于模糊神经网络结构优化的方法，并进行仿真验证，为如何构建和优化模糊神经网络结构的问题提出了新的方法。,结 论,1.将可拓学优度评价法应用于FNN优化中，并通过对FNN优化选优进行了实证研究，取得了合理的评价结果。2.对提出的FNN模型，给出了学习算法并进行了软件仿真，得到了满意的结果。3.优化后的网络具有更好的泛化能力，体现了神经网络与可拓学相结合的优越性和可行性。4.用关联度、优度等将定性评价转化为用实数表示的定量评价，提高了评价的准确性和可信度。,结 论,可拓优度评价方法评价FNN结构的研究与实现，在理论和实践方面有待进一步的深入：1.优度评价法涉及到各评价指标权重的确定，权重确定应用最广泛的是层次分析法。2.FNN结构直接关系到FNN的逼近能力和泛化能力。网络的结构如何确定仍没有理论指导，网络结构是否最优的衡量标准也值得继续研究。,谢谢！欢迎各位老师提出宝贵意见,