文章编号：１００１．９９４４（２０１０）０２．００３５—０４
基于三次样条权函数神经网络的钢坯温度预报
张捍东，黄鹏程，李 俊
（安徽＿Ｔ－业大学电气信息学院，马鞍山２４３００２）
摘要：针对传统神经网络对铜坯温度预报存在的一些缺点，如：隐层数不易确定．网络训练 对初值敏感等。该文利用三次样条权函数神经网络建立了钢坯温度预报模型．克服了传统 神经网络的缺点。仿真结果表明该模型具有较高的精度。 关键词：钢坯；温度预报；三次样条权函数；神经网络
中图分类号：ＴＰ１８３ 文献标志码：Ａ
Ｓｌａｂ Ｔｅｍｐｅｒａｔｕｒｅ Ｐｒｅｄｉｃｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ ｗｉｔｈ Ｃｕｂｉｃ Ｓｐｌｉｎｅ
Ｗｅｉｇｈｔ Ｆｕｎｃｔｉｏｎ
ＺＨＡＮＧ Ｈａｎ—ｄｏｎｇ，ＨＵＡＮＧ Ｐｅｎｇ—ｃｈｅｎｇ，ＬＩ Ｊｕｎ
（Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ ｈｆｆｏｒｍａｔｉｏｎ，Ａｎｈｕｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｍａ’ａｎｓｈａｎ ２４３００２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ａｔ ｓｏｌｎｅ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ｏｎ ｂｉｌｌｅｔ ｔｅｍｐｅｒａｔｕｒｅ ｐｒｅｄｉｃｔｉｏｎ，ｓｕｃｈ ａｓ： ｈａｒｄ ｔｏ ｆｉｘ ｔｈｅ ｈｉｄｄｅｎ ｌａｙｅｒ ｕｎｉｔｓ，ｓｅｎｓｉｔｉｖｅ ｔｏ ｉｎｉｔｉａｌ ｆｏｒ ｎｅｔｗｏｒｋｓ ｔｒａｉｎｉｎｇ，ｅｔｃ，ａ ｋｉｎｄ ｏｆ ｎｅｗ ｂｉｌｌｅｔ ｔｅｍｐｅｒａｔｕｒｅ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｕｂｉｃ ｓｐｌｉｎｅ ｆｕｎｃｔｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ．Ｔｈｅ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ ｔｈｅ ｔｒａｄｉ— ｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｒｅ ｏｖｅｒｃｏｍｅ，ａｎｄ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｍｏｄｅｌ ｈａｓ ｈｉｇｈｅｒ ｐｒｅｃｉｓｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ｓｌａｂ；ｔｅｍｐｅｒａｔｕｒｅ ｐｒｅｄｉｃｔｉｏｎ；ｃｕｂｉｃ ｓｐｌｉｎｅ ｗｅｉｇｈｔ ｆｕｎｃｔｉｏｎ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ
基于神经网络的轧辊磨削表面粗糙度智能预测
发布时间：2022-08-31T07:53:42.471Z 来源：《工程建设标准化》2022年37卷4月8期 作者： 张贺帅
[导读] 轧制磨削精度和表面质量主要与发动机精度、表面粗糙度和嗡嗡过程中的物理机械性能有关，而表面粗糙度是主要因素之一。
张贺帅
上海科德轧辊表面处理有限公司湛江分公司 广东 湛江 524000
摘要：轧制磨削精度和表面质量主要与发动机精度、表面粗糙度和嗡嗡过程中的物理机械性能有关，而表面粗糙度是主要因素之一。在其磨过程中，基于模糊神经网络的表面粗糙度预测，在有限过程中识别表面粗糙度，保证了体磨的质量，提高了体磨的性能。本文将结
合实际，浅谈基于神经网络的轧辊磨削表面粗糙度智能预测。
关键词：神经网络；轧辊磨削；表面粗糙度；智能预测
引言：近年来，随着技术的不断进步，对能够容纳更复杂体积轮廓的现代体积磨床提出了一些新的要求；更紧密的几何耐力滚轮；耐力轮
廓和体积更小；轧辊检测技术要求越来越高。为了获得更高的轧辊噪声精度和预测的噪声质量统计，有必要考虑体积噪声精度、表面质量
和操作人员的机器磨削精度之间的关系。以及调整砂轮的开裂以研究冷却过程和磨削参数之间的关系，高质量表面的铝合金板、带和箔的
生产在很大程度上取决于高表面磨粒的质量劳斯莱斯。轧辊的精度保证了轧辊的质量。如何准确的精密磨卷磨床，准确诊断和分析磨削故
障，查明原因，用准确经济的方法，随着时间的推移摆脱和瘫痪，最终提高轧辊的磨削质量。铝箔生产项目是最难的技术难题。由于磨削
精度和体积质量主要与发动机精度、表面粗糙度以及嗡嗡过程中的物理机械性能有关，因此表面粗糙度是主要因素之一。因此，本文主要
处理神经网络的表面粗糙度模型。
一、轧辊磨削质量中的表面粗糙度
工件的表面粗糙度是衡量工件质量的重要指标。目前，设备的表面粗糙度主要是离线检测，通过接触法或比较法获得具体的粗糙度值，虽然还没有采用在线表面粗糙度突破的检测。实践本身。如果能得到变量与粗糙度的关系，就可以通过类似于专家系统的方法得到粗
基于神经网络辨识的模糊预测函数控制
周祥龙;赵景波
【摘 要】针对生产过程中存在的滞后性、时变性、不确定性和变工况等特点及预测函数控制中模型失配的影响的情况,提出了基于神经网络辨识参数、通过模糊推理对控制量进行补偿的解决方案.并将基于神经网络辨识的模糊补偿预测函数控制应用于锅炉燃烧控制系统.通过连续系统仿真,结果表明这种控制器具有较强的鲁棒性.
【期刊名称】《电气传动自动化》
【年(卷),期】2010(032)002
【总页数】4页(P18-21)
【关键词】神经网络辨识;模糊推理;预测函数控制;锅炉控制;连续系统仿真
【作 者】周祥龙;赵景波
【作者单位】青岛海军潜艇学院,山东青岛266071;青岛理工大学,山东青岛266071
【正文语种】中 文
【中图分类】TP183
1 前言
工业锅炉是工业生产中普遍使用的动力设备，是能源转换的重要设备之一。工业锅炉的燃烧控制直接与节能有关，因而是锅炉控制系统的关键，对安全经济运行具有十分重要的意义。
预测函数控制（Predictive Functional Control简称PFC）方法是基于预测控制原理控制研究中发展起来的一种新型的预测控制算法［1]。该控制方法具有算法简单、计算量小、跟踪快速等特点。单纯采用预测模型进行过程输出值的预测只是一种理想的方式，因为实际过程中存在非线性、时变以及干扰等因素，基于预测模型得到的输出预测值不可能与实际完全相符,当模型失配严重时，甚至可能从根本上破坏控制的稳定性。为了更好地提高预测函数控制的鲁棒性，本文尝试用模糊推理的方式对误差进行补偿，即控制量为预测函数控制量与模糊补偿量之和，其控制结构如图1所示。并把该算法应用于锅炉燃烧控制系统设计中，通过仿真，说明该算法是有效的。
图1 模糊补偿的预测函数控制
2 工业锅炉燃烧系统及其控制
工业锅炉的燃烧过程是一个具有强干扰的非线性、时变多变量过程，可以分为蒸汽压力、烟气含氧量及炉膛负压3个回路。
用神经网络构建板坯缺陷预报系统
张邦礼;张静
【期刊名称】《计算机工程与应用》
【年(卷),期】2002(038)002
【摘 要】提出了一种新的基于聚类分析、APCA及RBF神经网络的模式识别方法,用于连铸生产线板坯缺陷的诊断和预报,有效地剔除了样本中的异常数据,对样本参数进行了优选.仿真结果证明了算法的优越性.
【总页数】3页(P216-217,241)
【作 者】张邦礼;张静
【作者单位】重庆大学自动化学院,重庆,400044;重庆大学自动化学院,重庆,400044
【正文语种】中 文
【中图分类】TP183
【相关文献】
1.神经网络在钢铁板坯生产缺陷诊断中的应用 [J], 张邦礼;张雪松;曹长修
2.改进的神经网络在连铸板坯缺陷预报中的应用 [J], 厉英;檀丽宏;李宝宽;刘欢
3.4号板坯连铸机结晶器漏钢预报系统的改造 [J], 邓世标;冯雄飞;黄庆;王艺鹏
4.基于人工神经网络的球铁缺陷预报系统 [J], 徐建林
5.数据采掘在连铸板坯缺陷预报系统中的应用研究 [J], 张邦礼;林雪
因版权原因，仅展示原文概要，查看原文内容请购买
