硅酸盐学报 2003年 3结果与分析 利用C+*语言编程实现了基于遗传算法的 S-K模糊系统规则的自动生成,选择 pn=80,p=0.9,Pm=0.005作为基于遗传算法 的T-S-K模糊系统的种群规模、交叉概率和变 异概率,整个设计流程图如图3所示。 1o00 1200 membership function of fuzzy set Initializing parameter fuzzy rules 图5经200代学习后沉积温度的隶属函数 ig. 5 Membership function of e after 200 generations 1 Input fitness to fuzzy rules 2 Fuzryinference Generation= 200 3 Fitness value of chrono 15 Training sampling 图3遗传算法优化模糊规则流程图 Fig 3 Flow chart of optimization the fuzzy rules by ge- Number of sampl netic algorithm 图6模糊系统对训练样本的预报纟 以沉积温度为例,在遗传算法优化过程,其Fg6 The real and predicted values outputted by fuzzy 隶属函数将产生修正,结果如图4和图5所示。通 system 常,这种修正比人为划分更为合理。 根据训练得到的模糊模型,首先对46组训练样本进行检验,结果如图6所示。从图6中可以看 出除去个别数据点有较大的误差外( generation=200, 最大绝对误差E=0.1356),其它数据的预测误差是 令人满意的,而且随着遗传代数的增加,预测误差也 在不断减小。另外,对不参与训练的4组测试样本 模糊系统也给出了较准确的预报值( generation=200 相对误差ε<4%),说明实验基于遗传算法所建立的 模糊系统具有较高的精度和泛化能力 利用此系统可以预测得到沉积温度θ、预制体 纤维体积分数vf及沉积室压强p对等温CⅤI工艺 致密化效果的影响规律,结果分别如图7、图8和 1000 1100 图9所示。由于用于学习的样本不可能涵盖整个系 统的所有信息,所以预报结果可能存在较大的误差 图4经120代学习后沉积温度的隶属函数 但基本上反映出它们对等温CVI工艺的影响规律 ig. 4 Membership function of 6 after 120 genera rations 图7为保持纤维体积分数(vr=55%和沉积 study 室压强(p=3.03kPa)一定的情况下,得到的沉积 21994-2010ChinaAcademicJOurnalElectronicpUblishingHouse.Allrightsreservedhttp:/www.cnki.net3 结果与分析 利用 C + + 语言编程实现了基于遗传算法的 T S K 模 糊 系 统 规 则 的 自 动 生 成 , 选 择 psize = 80 , pc = 0. 9 , pm = 0. 005 作为基于遗传算法 的 T S K 模糊系统的种群规模、交叉概率和变 异概率 , 整个设计流程图如图 3 所示。 图 3 遗传算法优化模糊规则流程图 Fig. 3 Flow chart of optimization the fuzzy rules by ge2 netic algorithm 以沉积温度θ为例 , 在遗传算法优化过程 , 其 隶属函数将产生修正 , 结果如图 4 和图 5 所示。通 常 ,这种修正比人为划分更为合理。 根据训练得到的模糊模型 , 首先对 46 组 训 练 图 4 经 120 代学习后沉积温度的隶属函数 Fig. 4 Membership function of θafter 120 generations study 图 5 经 200 代学习后沉积温度的隶属函数 Fig. 5 Membership function of θafter 200 generations study 图 6 模糊系统对训练样本的预报结果 Fig. 6 The real and predicted values outputted by fuzzy system 样本进行检验 , 结果如图 6 所示。从图 6 中可以看 出 ,除去个别数据点有较大的误差外(generation = 200 , 最大绝对误差 E = 0. 135 6) ,其它数据的预测误差是 令人满意的 , 而且随着遗传代数的增加 , 预测误差也 在不断减小。另外 , 对不参与训练的 4 组测试样本 , 模糊系统也给出了较准确的预报值(generation = 200 , 相对误差ε< 4 %) , 说明实验基于遗传算法所建立的 模糊系统具有较高的精度和泛化能力。 利用此系统可以预测得到沉积温度θ、预制体 纤维体积分数 V f及沉积室压强 p 对等温 CV I 工艺 致密化效果的影响规律 , 结果分别如图 7、图 8 和 图 9所示。由于用于学习的样本不可能涵盖整个系 统的所有信息 ,所以预报结果可能存在较大的误差 , 但基本上反映出它们对等温 CV I 工艺的影响规律。 图 7 为保持纤维体积分数 ( V f = 55 %) 和沉积 室压强 ( p = 3. 03 kPa) 一定的情况下 , 得到的沉积 ·632 · 硅 酸 盐 学 报 2003 年