赵文保
- 作品数：5 被引量：20H指数：3
- 供职机构：燕山大学电气工程学院河北省工业计算机控制工程重点实验室更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术金属学及工艺更多>>
- 基于T-S云推理网络的板形智能控制对比研究被引量：3
- 2013年
- 将具有处理数据不确定性的云模型和T-S模糊神经网络相结合,设计T-S云推理网络,基于此网络,建立板形识别模型和轧机板形预测模型。针对900HC可逆冷轧机,设计板形控制系统,研发一种简捷的控制器;基于900HC的实测数据先离线训练确定控制器的初始参数,再在线调整控制器的参数,调整方法使用误差反传算法,并与具有相同结构的T-S模糊控制器进行对比。研究结果表明:此系统具有有效性和较好的鲁棒性。
- 张秀玲赵文保徐腾赵亮
- 关键词：云模型板形控制
- 板形模式识别的多输出最小二乘支持向量回归机新方法被引量：6
- 2013年
- 为了克服最小二乘支持向量回归机(LS-SVR)算法不能直接应用于多输入多输出(MIMO)系统建模的缺点,通过在目标函数中加入样本绝对误差项,提出了一种多输出最小二乘支持向量回归机(MLSSVR)新算法。将MLSSVR算法应用于板形模式识别研究,提出了一种基于MLSSVR的板形模式识别新方法,将该方法与LS-SVR合成识别方法进行对比实验,并对MLSSVR识别模型的识别能力进行了测试和分析,结果证明了MLSSVR算法的有效性。MLSSVR板形模式识别方法不仅避免了LS-SVR合成方法的复杂组合运算,具有更高的识别速度,而且具有更高精度和很强的泛化能力。
- 张秀玲张少宇赵文保徐腾
- 关键词：最小二乘支持向量回归机板形模式识别
- 基于改进TS云推理网络的板形模式识别方法被引量：7
- 2013年
- 将云模型与T S模糊神经网络相结合,利用正态云代替模糊神经网络的隶属度函数,构成T S云推理网络。该网络综合考虑了模糊逻辑的快速性和云模型处理数据的不确定性,增强了网络处理数据的能力,同时分析了T S云推理网络的结构和稳定性。在超熵确定的情况下,使用最速下降法辨识了T S云推理网络的参数,将该网络应用于板形模式识别,并与T S模糊神经网络作了对比。仿真结果表明:T S云推理网络抗干扰能力较强,能够识别出常见的板形缺陷,并且识别精度较高。
- 张秀玲赵文保张少宇徐腾
- 关键词：云模型最速下降法板形模式识别
- 基于人工蜂群算法的Elman网络板形预测被引量：4
- 2012年
- 针对常规Elman网络泛化能力差的缺点,以及工业生产中对高精度板形预测模型的需要,用人工蜂群算法(ABC)代替误差反传算法训练Elman网络,建立了一个基于Elman网络的板形预测模型.神经网络的隐层节点数通过经验公式和仿真试验来确定.通过仿真验证,用人工蜂群算法训练的Elman网络在同等条件下比常规Elman网络具有更强的泛化能力,其板形预测精度更高.
- 张秀玲赵文保李少清徐腾
- 关键词：人工蜂群算法ELMAN网络泛化能力
- 基于改进云网络的板形识别与控制研究
- 板带钢广泛应用于汽车、桥梁、建筑和仪表等行业，是主要的钢材产品之一。随着国民经济的发展，对带钢的要求也越来越高。板形是板带钢的重要质量指标，也是轧钢领域遇到问题最多的环节。人工智能的发展，为解决板形问题提供了新的方法和工...
- 赵文保
- 关键词：板形云模型模式识别板形控制
