|
|
|
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 | 基于神经网络模式识别的板形模糊控制器显示文摘提出一种基于CMAC(Cerebellar Model Articulation Controller)神经网络的板形缺陷模式识别方法,并基于模式识别结果设计了板形模糊控制器.将模式识别与控制器设计合二为一,利用CMAC神经网络识别出相对于6种常见板形缺陷基本模式的隶属度,直接作为板形模糊控制器的前件部,实现了隶属度的求取功能.通过对板形缺陷特征的分析,合理定义了模糊集合,大大地减少了模糊推理的计算量.仿真结果表明,该板形模式识别方法识别精度高,设计的板形模糊控制器可以快速将板形缺陷控制到期望目标,板形控制性能良好. | 刘建昌 王柱 | 2005 | 东北大学学报(自然科学版)2005，26，8： | 8 |
| 3 | Cloud Neural Fuzzy PID Hybrid Integrated Algorithm of Flatness Control显示文摘In connection with the characteristics of multi-disturbance and nonlinearity of a system for flatness control in cold rolling process,a new intelligent PID control algorithm was proposed based on a cloud model,neural network and fuzzy integration.By indeterminacy artificial intelligence,the problem of fixing the membership functions of input variables and fuzzy rules was solved in an actual fuzzy system and the nonlinear mapping between variables was implemented by neural network.The algorithm has the adaptive learning ability of neural network and the indeterminacy of a cloud model in processing knowledge,which makes the fuzzy system have more persuasion in the process of knowledge inference,realizing the online adaptive regulation of PID parameters and avoiding the defects of the traditional PID controller.Simulation results show that the algorithm is simple,fast and robust with good control performance and application value. | Chun-yu JIA Tao BAI Xiu-ying SHAN Fa-jun CUI Sheng-jie XU | 2014 | Journal of Iron and Steel Research(International)2014，21，6： | 5 |
| 4 | 极薄带轧制变形区轧辊压扁试验与有限元模拟显示文摘极薄带在轧制及平整过程中,工作辊的弹性压扁对轧制压力的分布有很大影响,传统的轧制力模型已经不再适用。为了在极薄带板形板厚控制过程中得到准确的轧制力,Fleck提出了新的轧辊压扁模型。针对Fleck模型进行试验研究,同时进行有限元模拟分析。试验过程中使用合金工具钢轧辊,轧制不同厚度的轧件,通过显微镜测量变形区各部位的厚度,得到变形区轧辊的近似轮廓形状。试验与有限元模拟结果表明,随着轧件厚度的减小,变形区出现了明显的中性区,但是很难出现Fleck模型中提到的弹性卸载区,因此计算极薄带轧制力时可以忽略中性区内的弹性卸载区以简化轧制力模型。 | 肖宏 任忠凯 刘晓 余超 顾勇飞 | 2017 | 钢铁2017，52，1： | 5 |
| 5 | 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 |
| 6 | 用误差预报校正的电液伺服系统预测控制的研究显示文摘通过对轧机电液伺服弯辊控制系统的非线性、时变性以及随机干扰严重的特性分析,将具有强鲁棒性能的广义预测控制应用于液压弯辊板形控制系统。为提高控制系统跟随精度,基于随机序列预报方法建立系统输出误差预报模型,预报液压弯辊力未来序列输出误差并给予补偿,从而使系统具有较强的抗干扰能力和鲁棒性,提高了液压弯辊控制系统的精度。仿真结果验证了该方案的可行性和有效性。 | 郑德忠 王志勇 闫涛 | 2007 | 液压与气动2007，31，2： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员