刘呈则
,
许健勇
,
李山青
上海金属
doi:10.3969/j.issn.1001-7208.2009.05.008
由于受轧机自身特性变化等复杂因素影响,调控机构的影响系数不适合用恒定的常量来描述.将小波神经网络应用到影响系数的自学习过程,对预设定的影响系数值进行在线修正.介绍了冷连轧板形调控机构影响系数自学习的神经网络结构设计,结合目标能量函数的最小化,对影响系数自学习算法进行分析.结合生产现场的实际板形数据,采用Visual C++/MATLAB对控制算法的作用效果进行仿真.仿真结果表明,自学习算法对板形控制起到了预想的效果,具备现场在线运行的可行性.
关键词:
神经网络
,
自学习
,
效率因子
,
板形控制
