检索结果-维普期刊中文期刊服务平台

GA-CRBF网络板形识别的DSP实现被引量：2: 1; 作者张秀玲程艳涛 +1 位作者齐晴侯代标《矿冶工程》 CAS CSCD 北大核心 2016年第6期113-117,共5页; 针对传统RBF网络板形模式识别方法存在抗干扰能力差、识别精度有限以及缺乏处理不确定性信息的能力等问题,将云模型引入RBF神经网络,提出一种新型板形识别模型。MATALB仿真结果表明:新型GA-CRBF网络正确识别出板形缺陷,识别精度比传统的... 展开更多; 关键词板形识别 RBF神经网络云模型遗传算法 DSP; 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: 2; 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... 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

基于PCA-RBF的板形识别及FPGA软实现被引量：3: 3; 作者张秀玲代景欢 +1 位作者李家欢张逞逞《矿冶工程》 CAS CSCD 北大核心 2019年第1期109-113,共5页; 针对常规神经网络板形识别方法中存在的不足,提出了以PCA替代欧氏距离作为提取特征的手段,并将所设计的PCA-RBF板形识别模型以FPGA为硬件实现载体进行了仿真研究。仿真结果表明,设计的PCA-RBF板形识别模型能够正确识别出板形缺陷,网络... 展开更多; 关键词 PCA RBF神经网络板形缺陷板形识别现场可编程门阵列; 在线阅读下载PDF 职称材料

基于CGA-SNPOM优化RBF-ARX模型的板形缺陷识别被引量：3: 4; 作者张秀玲李家欢 +2 位作者魏其珺董逍鹏周凯旋《矿冶工程》 CAS CSCD 北大核心 2018年第3期127-131,共5页; 针对传统优化算法(SNPOM)在辨识RBF-ARX模型参数时易陷入局部最优解的问题,将云遗传算法(CGA)和SNPOM算法结合,提出一种混合优化算法CGA-SNPOM。并以某公司900HC可逆冷轧机板形识别为应用背景,设计了基于CGA-SNPOM优化RBF-ARX的板形缺... 展开更多; 关键词板形识别板形缺陷 SNPOM 云遗传 RBF-ARX; 在线阅读下载PDF 职称材料

题名GA-CRBF网络板形识别的DSP实现被引量：2: 1; 作者张秀玲程艳涛齐晴侯代标; 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 2016年第6期113-117,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 2016年燕山大学基础研究专项培育课题(16LGY015); 文摘针对传统RBF网络板形模式识别方法存在抗干扰能力差、识别精度有限以及缺乏处理不确定性信息的能力等问题,将云模型引入RBF神经网络,提出一种新型板形识别模型。MATALB仿真结果表明:新型GA-CRBF网络正确识别出板形缺陷,识别精度比传统的RBF网络提升73%,抗干扰性也提升了83%。将GA-CRBF网络写入DSP芯片中运行后,正确识别出缺陷板形,验证了其工程应用的可行性,为神经网络推广应用到实际工程中提供了依据。; 关键词板形识别 RBF神经网络云模型遗传算法 DSP; Keywords flatness recognition RBF neural network cloud model genetic algorithm DSP; 分类号 TG339 [金属学及工艺—金属压力加工]; 在线阅读下载PDF 职称材料

题名基于多RBF神经网络的板形数据建模被引量：8: 2; 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 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

题名基于PCA-RBF的板形识别及FPGA软实现被引量：3: 3; 作者张秀玲代景欢李家欢张逞逞; 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1期109-113,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 2016年燕山大学基础研究专项培育课题(16LGY015); 文摘针对常规神经网络板形识别方法中存在的不足,提出了以PCA替代欧氏距离作为提取特征的手段,并将所设计的PCA-RBF板形识别模型以FPGA为硬件实现载体进行了仿真研究。仿真结果表明,设计的PCA-RBF板形识别模型能够正确识别出板形缺陷,网络结构比常规RBF板形识别模型相对简化,同时识别精度提升了59%,抗干扰能力提升了82%。FPGA仿真结果在精度和实时性上可以满足实际工程需要。; 关键词 PCA RBF神经网络板形缺陷板形识别现场可编程门阵列; Keywords PCA RBF neural network flatness defect flatness recognition field programmable gate array; 分类号 TP183 [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

题名基于CGA-SNPOM优化RBF-ARX模型的板形缺陷识别被引量：3: 4; 作者张秀玲李家欢魏其珺董逍鹏周凯旋; 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 2018年第3期127-131,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) +2 种基金 2016年燕山大学基础研究专项培育课题(16LGY015); 文摘针对传统优化算法(SNPOM)在辨识RBF-ARX模型参数时易陷入局部最优解的问题,将云遗传算法(CGA)和SNPOM算法结合,提出一种混合优化算法CGA-SNPOM。并以某公司900HC可逆冷轧机板形识别为应用背景,设计了基于CGA-SNPOM优化RBF-ARX的板形缺陷识别模型。分别用SNPOM算法和CGA-SNPOM算法对RBF-ARX模型参数进行优化,仿真验证表明,基于CGA-SNPOM优化的板形识别系统克服了SNPOM容易陷入局部极值的缺点,识别精度大幅提高,是一种有效的板形识别方案。; 关键词板形识别板形缺陷 SNPOM 云遗传 RBF-ARX; Keywords flatness recognition flatness delects SNP0M cloud genetic RBF-ARX; 分类号 TP183 [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	作者	出处	发文年	被引量	操作
1	GA-CRBF网络板形识别的DSP实现	张秀玲程艳涛齐晴侯代标	《矿冶工程》 CAS CSCD 北大核心	2016	2	在线阅读下载PDF 职称材料
2	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
3	基于PCA-RBF的板形识别及FPGA软实现	张秀玲代景欢李家欢张逞逞	《矿冶工程》 CAS CSCD 北大核心	2019	3	在线阅读下载PDF 职称材料
4	基于CGA-SNPOM优化RBF-ARX模型的板形缺陷识别	张秀玲李家欢魏其珺董逍鹏周凯旋	《矿冶工程》 CAS CSCD 北大核心	2018	3	在线阅读下载PDF 职称材料