基于改进的神经网络最近邻聚类算法在结晶器液位系统中的应用

• 作者: 缸明义 陈立辛 宁平华 夏兴国
• 来源期刊: 齐齐哈尔大学学报（自然科学版）
• 学科: 工学
• 关键词: 最近邻聚类 结晶器 神经网络PID 液位系统
• 年，卷（期）: 2021,（2）
• 页码范围: 23-28
• 页数: 6页
• 分类号: TP273
• 语种: 中文

摘要

针对连铸机的结晶液位采用拉速控制导致控制过程不稳定而影响铸坯质量的问题,提出了基于神经网络的模型辨识及智能PID控制方法,它主要基于径向基函数(即RBF)神经网络,通过改进的最近邻聚类学习算法在线辨识相关的结晶器系统模型.基于径向基函数辨识网络,将辨识所得雅克比閜应用到智能PID控制器的权值调整之中.结果表明,该算法可对结晶器液位控制方面的主要问题进行良好的解决,其适用性已经得到了仿真结果的充分验证.