共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 案例推理及迭代学习在层流冷却控制中的应用显示文摘现有的卷取温度预报补偿模型和带钢批次间补偿模型中,由于案例推理(Case-based reasoning,CBR)系统中检索特征权重系数采用人工凑试的方法,难以获得满意的补偿作用,且由于缺乏迭代学习的初始工况条件的匹配算法,难以进行准确匹配和有效迭代.因此,本文针对这两个问题,提出了基于神经网络技术的案例推理系统检索特征权重系数自动学习算法及迭代学习技术初始工况匹配算法,改进了卷取温度预报补偿模型和带钢批次间补偿模型,并采用国内某大型钢厂的现场实际数据进行实验研究.实验结果表明,与原有方法相比,带钢卷取温度的控制偏差减小了1.63C,卷取温度精度控制在±10C以内的命中率提高了14.5%. | 片锦香 柴天佑 李界家 | 2012 | 自动化学报2012，38，12： | 10 |
| 2 | 变结构PI迭代学习及在层流冷却过程中的应用显示文摘热轧带钢层流冷却过程具有强非线性、工况条件变化剧烈、难以采用精确数学模型进行过程描述的复杂工业特性,这些特性决定了需要新的控制技术,以保证带钢最终质量。层流冷却过程的重复性使得迭代学习方法适用于冷却带钢之间(批次之间)的学习,因此提出变结构PI迭代学习方法对层流冷却过程进行设定控制,采用案例推理技术根据变化工况调整PI参数。实验研究结果证明,该方法可以对类似操作条件的带钢进行有效迭代学习,并很快找到工作点,使冷却结束后的带钢卷取温度控制在目标范围内。 | 片锦香 柴天佑 李界家 | 2013 | 仪器仪表学报2013，34，11： | 4 |
| 3 | 结合BFO及CBR的层流冷却水量优化设定方法显示文摘层流冷却过程控制目标是保证带钢卷取温度进入目标范围内并尽量提高精度以保证带钢质量,其本质是目标优化问题。同时,层流冷却过程处于频繁变化操作工况的动态环境之下,现有控制方法很难实现有效的实时控制。本文针对现有层流冷却过程控制方法很少引入优化思想这一问题,提出基于改进菌群优化算法(BFO)的层流冷却过程冷却水量优化设定方法。并针对动态变化工况,引入案例推理(CBR)机制,提出离线优化——在线推理双层结构的动态优化设定控制结构。基于实际运行数据的实验结果说明,本文提出的方法能够有效搜索冷却水量的优化设定值,而且在变更带钢规格的变化工况条件下,能够及时调整冷却水量的设定值,最终使带钢卷取温度进入目标范围内。 | 片锦香 朱云龙 刘金鑫 柴天佑 | 2015 | 仪器仪表学报2015，36，3： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员