检索结果-维普期刊中文期刊服务平台

热轧带钢卷取温度控制的研究: 1; 作者刘念程杰邹丽文《基础自动化》 CSCD 1998年第3期29-31,共3页; 通过实际热轧带钢卷取温度控制系统，分析了工业过程控制问题的一些特点，及自适应和预测控制思想在实际问题中的应用。; 关键词卷取温度控制自适应控制热轧带钢; 在线阅读下载PDF 职称材料

热轧带钢卷取温度过程前置控制: 2; 作者范晓明《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2001年第12期1470-1472,共3页; 提出了过程前置控制的基本思想 ,对难于用精确数学模型描述的复杂不确定过程控制进行了探索。; 关键词过程前置控制过程刷新过程再现热轧带钢卷取温度控制热速轧; 在线阅读下载PDF 职称材料

一种改进型T-S模糊神经网络被引量：10: 3; 作者干思权刘贺平申祝江《控制工程》 CSCD 2005年第5期442-445,共4页; 对T-S模糊神经网络进行了分析,提出了一种新型T-S模糊神经网络,改进了前件网络的结构及学习算法,减少了模糊规则层的节点数,有效地克服了T-S模糊神经网络模糊规则冗余的缺点。这种新型T-S模糊神经网络具有学习算法简单、收敛速度快等优... 展开更多; 关键词 T-S模糊系统模糊神经网络非线性系统辨识卷取温度控制; 在线阅读下载PDF 职称材料

一种基于模糊RBF神经网络的Smith预估器被引量：3: 4; 作者沈洁刘贺平许鸣珠《控制工程》 CSCD 2007年第1期45-48,共4页; 为克服带钢热连轧层流冷却系统中大滞后环节产生的不利影响，提高控制精度，提出了将模糊RBF神经网络与Smith预估器相结合的方法。采用基于改进型模糊C-均值聚类算法的RBF神经网络建立预测模型。获得了较高的精度和较快的学习速度。改... 展开更多; 关键词时滞系统 SMITH预估器模糊RBF神经网络模糊C-均值聚类卷取温度控制; 在线阅读下载PDF 职称材料

题名热轧带钢卷取温度控制的研究: 1; 作者刘念程杰邹丽文; 机构沈阳广播电视大学机电系沈阳大学沈河区房地产开发公司; 出处《基础自动化》 CSCD 1998年第3期29-31,共3页; 文摘通过实际热轧带钢卷取温度控制系统，分析了工业过程控制问题的一些特点，及自适应和预测控制思想在实际问题中的应用。; 关键词卷取温度控制自适应控制热轧带钢; Keywords oiler temperature control,adaptation, predicting control; 分类号 TG335.11 [金属学及工艺—金属压力加工]; 在线阅读下载PDF 职称材料

题名热轧带钢卷取温度过程前置控制: 2; 作者范晓明; 机构同济大学机械工程系; 出处《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2001年第12期1470-1472,共3页; 文摘提出了过程前置控制的基本思想 ,对难于用精确数学模型描述的复杂不确定过程控制进行了探索。; 关键词过程前置控制过程刷新过程再现热轧带钢卷取温度控制热速轧; Keywords leading process control refreshing process reproducing process coiling temperature; 分类号 TG335.11 [金属学及工艺—金属压力加工]; 在线阅读下载PDF 职称材料

题名一种改进型T-S模糊神经网络被引量：10: 3; 作者干思权刘贺平申祝江; 机构北京科技大学信息工程学院; 出处《控制工程》 CSCD 2005年第5期442-445,共4页; 文摘对T-S模糊神经网络进行了分析,提出了一种新型T-S模糊神经网络,改进了前件网络的结构及学习算法,减少了模糊规则层的节点数,有效地克服了T-S模糊神经网络模糊规则冗余的缺点。这种新型T-S模糊神经网络具有学习算法简单、收敛速度快等优点。把该网络应用到卷取温度控制中进行仿真,得到了满意的结果。; 关键词 T-S模糊系统模糊神经网络非线性系统辨识卷取温度控制; Keywords T-S fuzzy system fuzzy neural network nonlinear system identification coiling temperature control; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名一种基于模糊RBF神经网络的Smith预估器被引量：3: 4; 作者沈洁刘贺平许鸣珠; 机构北京科技大学信息工程学院; 出处《控制工程》 CSCD 2007年第1期45-48,共4页; 文摘为克服带钢热连轧层流冷却系统中大滞后环节产生的不利影响，提高控制精度，提出了将模糊RBF神经网络与Smith预估器相结合的方法。采用基于改进型模糊C-均值聚类算法的RBF神经网络建立预测模型。获得了较高的精度和较快的学习速度。改进后的模糊C-均值聚类算法具有更好的鲁棒性，且放松了隶属度条件，使得最终聚类结果对预先确定的聚类数目不敏感。将该控制器应用到卷取温度控制中，能把卷取温度控制在598～705℃的范围内，满足了实际生产的需要。; 关键词时滞系统 SMITH预估器模糊RBF神经网络模糊C-均值聚类卷取温度控制; Keywords time delay system Smith predictor fuzzy RBF neural network fuzzy C-means clustering coiling temperature control; 分类号 TP273 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料