针对板带轧机液压AGC系统在线故障诊断问题,建立了一种基于非线性自回归滑动平均模型(NARMA)的递归神经网络,通过AIC定阶法确定模型阶次.运用生产实际数据,通过动态学习算法完成对网络的训练,使网络映射系统的动力学特性.该网络模型避免了故障的自学习,能够很好地实现故障检测.试验研究证明了该神经网络方法进行轧机液压AGC系统在线故障诊断的可行性和有效性.
参考文献
| [1] | 连家创;刘宏民.板厚板形控制[M].北京:兵器工业出版社,1996 |
| [2] | Lian Jia-chuang;LIU Hong-min.Control on Strip Gauge and Strip Shape[M].北京:机械工业出版社,1996 |
| [3] | Narendra K.S.;Mukhopadhyay S. .Adaptive control using neural networks and approximate models[J].IEEE Transactions on Neural Networks,1997(3):475-485. |
| [4] | 孙一康.带钢冷连轧计算机控制[M].北京:冶金工业出版社,2002 |
| [5] | SUN Yi-kang.Computer Control for Continuous Cold Rolling Strip Mill[M].北京:冶金工业出版社,2002 |
| [6] | Galvan I M;Isasi P;Zaldivar J M.An Alternative to Phenomenological Models in Chemical Reactors[J].Engineering applications of artificial intelligence,2001(14):139-154. |
| [7] | Cohen B;Saad D;Maram E .Efficient Training of Recurrent Neural Network with Time Delays[J].NEURAL NETWORKS,1997,10(01):51-59. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%