首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  免费   0篇
综合类   1篇
冶金工业   2篇
  2013年   1篇
  2011年   1篇
  2010年   1篇
排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
液压弯辊装置调控板形的效果,取决于PID控制器三个参数的优劣,然而传统PID参数整定方法存在精度低、调试时间长的问题。以某钢铁公司1220冷轧机液压弯辊系统为仿真对象,利用变交叉概率和变异概率的自适应遗传算法优化PID控制器参数,从而提高液压弯辊PID控制器的控制性能和自适应能力。仿真结果表明采用此方法优化PID参数,系统的抗干扰能力较强,同时提高了系统的响应速度和控制精度。  相似文献   
2.
为了解决传统PID板形控制精度低、速度慢、抗干扰能力差等问题,将BP神经网络和单神经元引入到板形的控制中,提出一种基于BP神经网络预测模型的单神经元自适应PID控制的板形控制策略。利用BP神经网络的非线性逼近能力和单神经元的自学习、自适应能力,通过两者的有机结合寻找一个最佳的P、I、D非线性组合控制律,实现对带钢板形缺陷的有效控制。仿真实验结果表明,该控制算法能很好地跟踪板形的目标设定值,提高了系统的控制精度,加快了系统的响应速度,并且具备较强的抗干扰能力。  相似文献   
3.
基于量子粒子群算法的BP网络板形模式识别研究   总被引:2,自引:0,他引:2  
针对目前板形模式识别方法存在的问题,以及考虑到现代轧机板形控制手段的多样化和板形控制能力的提高,为了提高板形模式识别模型的精度,本文以1次、2次、3次和4次勒让德正交多项式为板形基本模式,建立了基于量子粒子群-BP算法混合优化神经网络的新型板形模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为板形控制策略的制定提供可靠依据。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号