基于云自适应差分和BP神经网络的板形动态影响矩阵控制方法

作     者：于世英 吴晓辉 何海涛 王倩 YU Shi-ying;WU Xiao-hui;HE Hai-tao;WANG Qian

作者机构：河北省科技管理信息中心石家庄050021 燕山大学信息科学与工程学院河北秦皇岛066004 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2012年第32卷第A02期

页      面：34-37页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61170190) 

主　　题：板形预测 影响矩阵 云自适应差分 BP神经网络 

摘      要：为了克服传统板形控制中产品质量差、控制速度慢、生成效率低,以及静态影响矩阵控制信息不足等缺点,将云自适应差分算法(CADE)优化的BP神经网络应用到板形控制中,建立板形预测神经网络,并在离线状态下,根据板形轧制的历史数据和板形调控机构中的关键影响因素建立动态影响矩阵表。在线轧制过程中只需要与板形控制关键影响因素对应的动态影响矩阵表和板形识别变化量,就可以很快得到主要板形控制手段的控制量。该方法避免了神经网络的在线训练,提高了板形的控制速度和轧制精度。仿真实验表明,该方法稳定性好,控制精度高,适合用于板形的在线控制。