|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于PSO-BP网络的板形智能控制器显示文摘为了解决传统的板形识别与控制中的识别精度低,控制速度慢等问题,将粒子群优化(particle swarm optimization,PSO)算法和误差反传递(back propagation,BP)算法混合训练的PSO-BP网络引入到板形的识别与控制中.首先根据板形轧制的历史数据,建立预测板形的神经网络,得到反映板形控制手段对板形特征参数影响的效应矩阵,同时根据理论数据建立对板形进行模式识别的神经网络.这些都是离线进行的,而且对一批板材只需训练一次神经网络,在线轧制过程中只需要根据识别网络的识别结果和效应矩阵,便可以很快的得到需要的控制量.这种方法可以简化板形控制过程,提高控制速度,最后的仿真实验进一步说明了这种方法的有效性. | 刘建昌 陈莹莹 张瑞友 | 2007 | 控制理论与应用2007，24，4： | 17 |
| 2 | 热轧板带横向厚度分布的预测与控制显示文摘针对板带热轧过程中终轧板带横向厚度分布的检测、预测方法存在的缺陷,建立自适应粒子群优化算法(PSO)和误差反传递(BP)算法混合训练的神经网络预测模型.该网络模型在BP神经网络的基础上,通过自学习过程对网络结构进行动态优化;借助PSO算法优化网络的权值和阈值,提高网络收敛速度和预测精度.某厂二辊可逆热轧机现场轧制数据验证表明:稳态轧制状态下,该模型预测精度高,平均绝对误差仅为3.6μm,其中87.1%的误差在±4μm范围内;通过对轧后板带横向厚度的统计分析,去除板带头尾部分,板带厚度的绝对误差在30μm以内的频率为90%.该神经网络模型可以代替凸度仪对热轧板带横向厚度分布进行预测,并且能够对板形的调控机构根据预测结果进行精确的控制,适应高精度板形控制的要求. | 高山凤 刘鸿飞 郗安民 杨贤 | 2016 | 哈尔滨工业大学学报2016，48，1： | 6 |
| 3 | 基于FEM-ANN的冷轧板带板凸度预报显示文摘针对1450HC轧机,利用大型非线性有限元软件MSC.Marc建立仿真模型,对多种轧制工况进行了模拟,得到了板凸度值。研究了不同板带参数、工艺参数、板形调控参数对轧后板凸度的影响规律。以有限元计算值为训练样本,利用BP神经网络强大的非线性映射功能,建立了板凸度预报模型,在训练过程中采用了改进的快速BP训练算法,从而提高了训练速度,加快了网络收敛速度,增加了算法的可行性。该网络模型解决了有限元计算时间长,难以在线应用的问题。 | 杜凤山 薛涛 王超 于凤琴 孙静娜 | 2013 | 钢铁2013，48，8： | 5 |
| 4 | 模糊控制及其在工业设备上的应用显示文摘工业设备因其变量多、耦合性强、时变性与非线性突出等特点,在生产过程中难以达到精确控制。主要介绍了模糊控制法由于其不需要精确数学模型,在与其他控制方法结合后鲁棒性较强,因此被广泛运用于工业设备的控制模型中。 | 孟岩 张艳峰 卞大鹏 李中喜 梅小强 | 2014 | 机械工程与自动化2014，，1： | 5 |
| 5 | A New Flatness Pattern Recognition Model Based on Cerebellar Model Articulation Controllers Network显示文摘In the traditional flatness pattern recognition neural network, the topologic configurations need to be rebuilt with a changing width of cold strip. Furthermore, the large learning assignment, slow convergence, and local minimum in the network are observed. Moreover, going by the structure of the traditional neural network, according to experience, the model is time-consuming and complex. Thus, a new approach of flatness pattern recognition is proposed based on the CMAC (cerebellar model articulation controllers) neural network. The difference in fuzzy distances between samples and the basic patterns is introduced as the input of the CMAC network. Simultaneously, the adequate learning rate is improved in the error correction algorithm of this neural network. The new approach with advantages, such as high learning speed, good generalization, and easy implementation, is efficient and intelligent. The simulation results show that the speed and accuracy of the flatness pattern recognition model are obviously improved. | HE Hai-tao LI Yan | 2008 | Journal of Iron and Steel Research(International)2008，15，5： | 2 |
| 6 | 热轧带钢板形数学模型的研究显示文摘通过对国内某厂热连轧机板形控制系统的分析与研究,根据带钢板形控制的要求,提出一种利用神经网络理论建立板形数学模型的新方法,并采用MATLAB语言对该系统进行离线仿真。仿真与实际测量结果比较表明所建立的模型的正确性,同时该方法可避开多项式回归运算,具有很强的抗干扰能力。 | 柳干 袁艳 张泰山 | 2006 | 计算技术与自动化2006，25，2： | 1 |
| 7 | 热轧板带横向厚度分布神经网络预测分析显示文摘将BP神经网络相结合引入到热轧板带横向厚度分布的预测与控制中,并依据板带轧制的实际数据对网络进行训练,通过比较二辊可送轧机板带横向厚度分布的预测值与实测数据,验证该热轧板带横向厚度分布的神经网络预测模型的准确性。验证表明,该模型的应用不仅能够提高板带轧制质量,而且能够降低设备成本。 | 韩世平 | 2016 | 山西冶金2016，39，1： | 1 |
| 8 | 基于非线性预测模型的单神经元自适应PID板形控制显示文摘为了解决传统PID板形控制精度低、速度慢、抗干扰能力差等问题,将BP神经网络和单神经元引入到板形的控制中,提出一种基于BP神经网络预测模型的单神经元自适应PID控制的板形控制策略。利用BP神经网络的非线性逼近能力和单神经元的自学习、自适应能力,通过两者的有机结合寻找一个最佳的P、I、D非线性组合控制律,实现对带钢板形缺陷的有效控制。仿真实验结果表明,该控制算法能很好地跟踪板形的目标设定值,提高了系统的控制精度,加快了系统的响应速度,并且具备较强的抗干扰能力。 | 贾春玉 崔艳超 许东杰 | 2010 | 冶金设备2010，，6： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员