小波神经网络在冷连轧板形控制中的应用

• 作者: 刘呈则 李山青 许健勇
• 来源期刊: 上海金属
• 关键词: 神经网络 自学习 效率因子 板形控制
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 计算机应用技术
• 页码范围: 38-41
• 页数: 4页
• 字数: 3169字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7208.2009.05.008

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘呈则		10	96	5.0	9.0
2	许健勇		2	76	1.0	2.0
3	李山青		2	24	1.0	2.0