小波神经网络在冷连轧板形控制中的应用
来源期刊：上海金属2009年第5期
论文作者：刘呈则 李山青 许健勇
关键词：神经网络; 自学习; 效率因子; 板形控制;
摘 要：由于受轧机自身特性变化等复杂因素影响,调控机构的影响系数不适合用恒定的常量来描述.将小波神经网络应用到影响系数的自学习过程,对预设定的影响系数值进行在线修正.介绍了冷连轧板形调控机构影响系数自学习的神经网络结构设计,结合目标能量函数的最小化,对影响系数自学习算法进行分析.结合生产现场的实际板形数据,采用Visual C++/MATLAB对控制算法的作用效果进行仿真.仿真结果表明,自学习算法对板形控制起到了预想的效果,具备现场在线运行的可行性.
刘呈则1，李山青2，许健勇2
(1.国核电站运行服务技术有限公司,上海,200233;
2.上海宝钢股份公司)
摘要:由于受轧机自身特性变化等复杂因素影响,调控机构的影响系数不适合用恒定的常量来描述.将小波神经网络应用到影响系数的自学习过程,对预设定的影响系数值进行在线修正.介绍了冷连轧板形调控机构影响系数自学习的神经网络结构设计,结合目标能量函数的最小化,对影响系数自学习算法进行分析.结合生产现场的实际板形数据,采用Visual C++/MATLAB对控制算法的作用效果进行仿真.仿真结果表明,自学习算法对板形控制起到了预想的效果,具备现场在线运行的可行性.
关键词:神经网络; 自学习; 效率因子; 板形控制;
【全文内容正在添加中】
