期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于小波分析的多RBF神经网络轧制力设定模型
被引量：
3
1
作者
陈治明
罗飞
曹建忠
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2010年第2期142-148,共7页
带钢热连轧生产过程中,轧制力预设定时的轧制力信号影响因素多、关联复杂,难以建立精确的机理模型.为此,文中应用小波多分辨分析方法,将轧制力分解重构为对应于不同影响因素的子信号,并建立了一个多RBF神经网络模型.模型中每个子网络分...
带钢热连轧生产过程中,轧制力预设定时的轧制力信号影响因素多、关联复杂,难以建立精确的机理模型.为此,文中应用小波多分辨分析方法,将轧制力分解重构为对应于不同影响因素的子信号,并建立了一个多RBF神经网络模型.模型中每个子网络分别对一个子信号进行建模,最后将各子网络输出综合为轧制力设定信号.各个子信号的影响因素不同,每个子模型输入参数和输出参数亦不同,从而能真实地反映轧制力变化的内在机理,具有明确的物理意义.仿真实验表明,这种建模方法降低了系统维数,能有效提高网络学习能力,轧制力预设定误差率从BP神经网络的10%降低到了5%.
展开更多
关键词
热连轧
轧制力
小波分析
多rbf神经网络
在线阅读
下载PDF
职称材料
基于特征选取与多RBF神经网络的冷凝器污垢软测量
被引量：
5
2
作者
樊绍胜
王耀南
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2008年第4期723-728,共6页
提出了基于特征选取与多RBF神经网络的冷凝器污垢软测量方法。该方法采用基于BP神经网络的灵敏度计算,从受污垢影响的冷凝器各个性能指标中,提取最能反映冷凝器污垢状态的特征变量。在此基础上,针对冷凝器变工况、冷凝器空气漏入量等因...
提出了基于特征选取与多RBF神经网络的冷凝器污垢软测量方法。该方法采用基于BP神经网络的灵敏度计算,从受污垢影响的冷凝器各个性能指标中,提取最能反映冷凝器污垢状态的特征变量。在此基础上,针对冷凝器变工况、冷凝器空气漏入量等因素对污垢特征变量的影响,研究基于多RBF神经网络的智能建模方法,有效实现冷凝器污垢与其他参数变化对特征变量影响的分离。根据此方法,进行了现场试验,试验结果表明:该方法能较准确地在线监测冷凝器污垢,并在冷凝器出现堵管、空气漏入量较大、工况参数大范围变化时,取得比热阻法、传热系数法、模糊软测量法更可靠的测量结果。
展开更多
关键词
冷凝器污垢
特征选取
多rbf神经网络
灵敏度计算
在线阅读
下载PDF
职称材料
基于多RBF神经网络的板形数据建模
被引量：
8
3
作者
张秀玲
代景欢
+2 位作者
康学楠
李金祥
魏楷伦
《矿冶工程》
CAS
CSCD
北大核心
2019年第6期124-128,共5页
常规单RBF神经网络板形识别模型不能全面分离出输入变化对每个特征参数的影响,为此设计了多RBF神经网络板形识别模型,用多个子网络分别识别不同的特征参数,能够更直接、更充分的提取出输入与每个输出的关系。仿真研究结果表明:所设计的...
常规单RBF神经网络板形识别模型不能全面分离出输入变化对每个特征参数的影响,为此设计了多RBF神经网络板形识别模型,用多个子网络分别识别不同的特征参数,能够更直接、更充分的提取出输入与每个输出的关系。仿真研究结果表明:所设计的多RBF神经网络板形识别模型能够正确识别出全部板形缺陷的类型,并且识别精度上比单RBF神经网络板形识别模型提高了16.1%。
展开更多
关键词
板形识别
主成分分析
多rbf神经网络
遗传算法
在线阅读
下载PDF
职称材料
题名
基于小波分析的多RBF神经网络轧制力设定模型
被引量：
3
1
作者
陈治明
罗飞
曹建忠
机构
华南理工大学自动化科学与工程学院
惠州学院电子科学系
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2010年第2期142-148,共7页
基金
国家自然科学基金资助项目(60774032)
广州市科技攻关重点项目(2007Z2-D0121)
文摘
带钢热连轧生产过程中,轧制力预设定时的轧制力信号影响因素多、关联复杂,难以建立精确的机理模型.为此,文中应用小波多分辨分析方法,将轧制力分解重构为对应于不同影响因素的子信号,并建立了一个多RBF神经网络模型.模型中每个子网络分别对一个子信号进行建模,最后将各子网络输出综合为轧制力设定信号.各个子信号的影响因素不同,每个子模型输入参数和输出参数亦不同,从而能真实地反映轧制力变化的内在机理,具有明确的物理意义.仿真实验表明,这种建模方法降低了系统维数,能有效提高网络学习能力,轧制力预设定误差率从BP神经网络的10%降低到了5%.
关键词
热连轧
轧制力
小波分析
多rbf神经网络
Keywords
continuous hot rolling
rolling force
wavelet analysis
multi-
rbf
neural network
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TG335 [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
基于特征选取与多RBF神经网络的冷凝器污垢软测量
被引量：
5
2
作者
樊绍胜
王耀南
机构
长沙理工大学电气与信息工程学院
湖南大学电气与信息工程学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2008年第4期723-728,共6页
基金
国家自然科学基金(60775047)
湖南省自然科学基金(06JJ2011)资助项目
文摘
提出了基于特征选取与多RBF神经网络的冷凝器污垢软测量方法。该方法采用基于BP神经网络的灵敏度计算,从受污垢影响的冷凝器各个性能指标中,提取最能反映冷凝器污垢状态的特征变量。在此基础上,针对冷凝器变工况、冷凝器空气漏入量等因素对污垢特征变量的影响,研究基于多RBF神经网络的智能建模方法,有效实现冷凝器污垢与其他参数变化对特征变量影响的分离。根据此方法,进行了现场试验,试验结果表明:该方法能较准确地在线监测冷凝器污垢,并在冷凝器出现堵管、空气漏入量较大、工况参数大范围变化时,取得比热阻法、传热系数法、模糊软测量法更可靠的测量结果。
关键词
冷凝器污垢
特征选取
多rbf神经网络
灵敏度计算
Keywords
fouling in condenser
feature selection
multiple
rbf
neural network
sensitivity calculation
分类号
TP274 [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
题名
基于多RBF神经网络的板形数据建模
被引量：
8
3
作者
张秀玲
代景欢
康学楠
李金祥
魏楷伦
机构
燕山大学河北省工业计算机控制工程河北省重点实验室
燕山大学国家冷轧板带装备及工艺工程技术研究中心
出处
《矿冶工程》
CAS
CSCD
北大核心
2019年第6期124-128,共5页
基金
河北省自然科学基金-钢铁联合研究基金项目(E2015203354)
河北省高校创新团队领军人才培育计划项目(LJRC013)
+1 种基金
河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100)
2016年燕山大学基础研究专项培育课题(16LGY015)
文摘
常规单RBF神经网络板形识别模型不能全面分离出输入变化对每个特征参数的影响,为此设计了多RBF神经网络板形识别模型,用多个子网络分别识别不同的特征参数,能够更直接、更充分的提取出输入与每个输出的关系。仿真研究结果表明:所设计的多RBF神经网络板形识别模型能够正确识别出全部板形缺陷的类型,并且识别精度上比单RBF神经网络板形识别模型提高了16.1%。
关键词
板形识别
主成分分析
多rbf神经网络
遗传算法
Keywords
plate recognition
principal component analysis
multiple
rbf
neural networks
genetic algorithm
分类号
TG333 [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
作者
出处
发文年
被引量
操作
1
基于小波分析的多RBF神经网络轧制力设定模型
陈治明
罗飞
曹建忠
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2010
3
在线阅读
下载PDF
职称材料
2
基于特征选取与多RBF神经网络的冷凝器污垢软测量
樊绍胜
王耀南
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2008
5
在线阅读
下载PDF
职称材料
3
基于多RBF神经网络的板形数据建模
张秀玲
代景欢
康学楠
李金祥
魏楷伦
《矿冶工程》
CAS
CSCD
北大核心
2019
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
