张秀玲
,
逄宗鹏
,
李少清
,
贾春玉
钢铁研究学报
针对传统的最小二乘板形模式识别方法的抗干扰能力差、精度低和神经网络方法存在网络学习时间长、易陷入局部最小值等问题,把模糊理论和神经网络的优点融合在一起,通过三个自适应神经模糊推理系统的有效拟合,提出了一种基于自适应神经模糊推理系统的板形模式识别方法.研究结果表明,该方法能够很好地克服以上缺点,而且能够有效识别出常见的板形缺陷,识别速度和精度有所提高,识别结果跟板形仪的实测板形也非常接近.
关键词:
板形
,
模式识别
,
自适应神经模糊推理系统
贾春玉
钢铁研究学报
针对板带材轧制过程是一个复杂的非线性过程及传统板形控制模型的固有缺陷,为了提高冷轧带钢的板形质量和成材率,提出一种基于神经网络模糊推理的自适应板形控制(AI-AFC)方案,并将其引入森吉米尔20辊轧机的板形控制系统.离线仿真结果表明:该系统具有良好的控制性能,可提高板形控制质量.
关键词:
人工智能
,
神经网络
,
模糊推理
,
森吉米尔20辊轧机
,
板 形控制
贾春玉
钢铁研究学报
针对板带材轧制过程是一个复杂的非线性过程、难以建立精确数学模型的特点，提出了厚度自动控制神经网络模糊智能方法，设计了输入为“编码” 的神经网络模糊控制器。通过仿真证明了神经网络模糊控制的可行性，其控制精度优于常规方法。
关键词:
神经网络模糊推理
,
编码
,
热轧带钢
,
厚度控制
贾春玉
,
尚志东
钢铁研究学报
为了提高板形目标曲线的设定精度,总结了板形目标曲线的意义,确定了温度附加应力和卷取附加应力,进而设定了一组具有补偿附加因素作用的板形目标曲线.结果表明:经过补偿设定的最终实际板形与轧制时在线实测板形吻合较好,可获得良好平直度的带钢.
关键词:
板形
,
目标曲线
,
附加应力
,
补偿设定
单修迎
,
刘宏民
,
贾春玉
钢铁
为了提高板形模式识别的精度,在传统一次、二次和四次板形基模式的基础上增加了三次板形基模式,提出了以一次、二次、三次和四次勒让德正交多项式为基模式的板形模式识别方法.通过该方法对机理模型计算的板形数据和实测的板形数据进行了分析,表明该方法提高了板形模式识别的精度,使识别结果更具有完备性,细化了板形控制的目标,有利于提高板形控制的精度.
关键词:
三次板形
,
模式识别
,
勒让德多项式
贾春玉
,
李兴东
,
宋战
钢铁
针对传统卷取温度模型的固有缺陷,为了满足扩展钢种、规格及卷取温度高精度的要求,提出热轧带钢卷取温度预报的人工神经网络方法.运用实际生产数据对BP神经网络进行了训练和仿真.结果表明,它能准确地预报带钢卷取温度,实现卷取温度高精度的实时预报,有在线实际应用的前景.
关键词:
热轧带钢
,
层流冷却
,
卷取温度
,
数学模型
,
神经网络
贾春玉
,
单修迎
,
牛召平
钢铁研究学报
建立了一个自调整动态神经网络预测模型，它在BP网络模型基础上，对网络的自身结构及学习规则进行了动态优化。网络能自组织和自学习自己的结构，即在学习过程中，网络可根据具体问题自动调整本身的结构，从而使结构达到最优。在此基础上，建立了板形神经网络预测模型，经某带钢厂四辊冷轧实测数据仿真验证表明，该模型具有很高的预测精度。
关键词:
自调整;动态神经网络;板形预测
