刘建昌
钢铁
板带材轧制过程是一个复杂的非线性过程,厚度自动控制(AGC)是轧制过程自动化的重要组成部分.提出一种基于神经网络的自适应厚度自动控制(NNA-AGC)方案,提出适于过程控制的网络激励函数和改进的BP网络训练算法.仿真结果表明:NNA-AGC系统具有良好的自适应跟随和抗扰性能;新的网络激励函数和训练算法切实满足过程控制的需要.
关键词:
厚度自动控制(AGC)
,
神经网络
,
自适应
,
训练算法
杨榛
,
乔文明
,
梁晓怿
新型炭材料
doi:10.1016/S1872-5805(17)60108-2
如何控制和预测孔结构是炭气凝胶研究的重要课题.然而,由于耗时耗财,导致实验方法研究控制和预测孔结构成为难题.本文提出一种基于神经网络的炭气凝胶孔结构的预测与优化模型,并采用遗传算法设计和优化模型,对六种典型训练算法模型性能进行比较分析.利用该模型对孔径和吸附容量进行预测,两者的预测相关系数分别为0.992和0.981,预测均方根误差分别为0.077和0.054.经测试,该模型与实验研究的结果相符,并有效的应用于预测和控制炭气凝胶实验参数.
关键词:
炭气凝胶
,
孔结构
,
神经网络
,
训练算法
,
模型
