张俊明
- 作品数：3 被引量：20H指数：3
- 供职机构：北京科技大学材料科学与工程学院更多>>
- 发文基金：国家重大技术装备创新研制项目更多>>
- 相关领域：金属学及工艺更多>>
- 一种RBF神经网络在某冷连轧机组轧制力计算中的组合应用被引量：6
- 2008年
- 为提高冷连轧机组轧制力计算精度,采用RBF神经网络与数学模型计算轧制力,轧制力偏差在11%以内,远小于单纯使用数学模型;而后组合使用长期数据修正网络、短期数据修正网络、速度修正网络(三者都为RBF神经网络)进一步提高轧制力预报精度。上述方法已成功用于某2130mm冷连轧机组过程控制系统,误差在±5%以内。这充分证明,RBF网络可以成功用于轧制过程控制。
- 张俊明刘军俞小峰康永林杨荃
- 轧制力预测中RBF神经网络的组合应用被引量：9
- 2008年
- 传统的数学模型无法达到冷连轧控制的尺寸精度要求。针对传统轧制力模型的固有缺陷,为提高冷连轧机组轧制力计算精度,合理选择、更新和预处理训练样本,采用RBF神经网络预测冷轧带钢屈服应力并把它用于传统轧制力计算模型,获得较高的轧制力预测精度。而后使用RBF长期数据修正网络和RBF短期数据修正网络得到长期数据修正网络和短期数据修正网络的修正系数,对轧制力计算值进一步修正,从而进一步提高轧制力预报精度。上述方法直接用于某冷连轧机组,轧制力预测误差在±6%之内。这充分证明RBF网络可以成功用于轧制过程控制并满足实际生产的需要。
- 张俊明刘军俞晓峰康永林杨荃
- 关键词：RBF神经网络屈服应力轧制力
- 应用RBF神经网络预测冷连轧机轧制力被引量：9
- 2007年
- 针对传统轧制力模型的固有缺陷,为提高冷连轧机组轧制力预测精度,使用一种RBF算法的人工神经网络预测冷轧带钢屈服应力,把预测值用于传统数学模型中计算轧制力;并在此基础上,组合使用机架相关网络(RBF类型)、速度相关网络(RBF类型)修正轧制力计算值。应用结果表明,此方法满足生产的需要,预报最终误差范围为±6.5%。
- 张俊明刘军康永林杨荃
- 关键词：RBF算法人工神经网络冷连轧机
