基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着超快速冷却技术的发展和应用,对超快温度模型准确性提出了更高的要求.本文介绍了一种新的温度自学习模型,能根据现场实际情况,有效地调整自学习系数.通过自学习算法改变同类钢板的换热系数,使温度模型更加精确,从而使中厚板超快速冷却系统的温度命中率提高了14.15%.
推荐文章
中厚板堆冷温度场有限元模拟
中厚板
堆冷
温度场
有限元模拟
自学习神经元及自学习BP网络
自学习神经元
自学习BP网络
学习策略
面向神经元
改进的单幅图像自学习超分辨率重建方法
单幅图像超分辨率
L2范数
协作表示
支持向量回归
计算机辅助感官评估实验的自学习控制
感官评估
实验设计
自学习
智能控制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 中厚板超快冷温度控制模型的自学习
来源期刊 轧钢 学科
关键词 中厚板 超快冷 温度模型 自学习 关键字
年,卷(期) 2014,(3) 所属期刊栏目 轧钢自动化
研究方向 页码范围 52-54
页数 3页 分类号
字数 1672字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴迪 东北大学轧制技术及连轧自动化国家重点实验室 279 1876 20.0 28.0
2 王昭东 东北大学轧制技术及连轧自动化国家重点实验室 207 1287 19.0 27.0
3 田勇 东北大学轧制技术及连轧自动化国家重点实验室 42 255 9.0 15.0
4 田鹏 10 25 4.0 4.0
5 苑达 东北大学轧制技术及连轧自动化国家重点实验室 5 16 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (75)
参考文献  (6)
节点文献
引证文献  (5)
同被引文献  (27)
二级引证文献  (20)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(5)
  • 引证文献(2)
  • 二级引证文献(3)
2018(9)
  • 引证文献(0)
  • 二级引证文献(9)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
中厚板
超快冷
温度模型
自学习
关键字
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
轧钢
双月刊
1003-9996
11-2466/TF
16开
北京市学院南路76号
1984
chi
出版文献量(篇)
3247
总下载数(次)
3
论文1v1指导