基于模糊神经网络参数整定的仿人智能控制

被引:7
作者
张贯宇 [1 ]
田建艳 [1 ,2 ]
张维杰 [1 ]
邱华东 [3 ]
张婵爱 [1 ]
机构
[1] 太原理工大学
[2] 新型传感器与智能控制教育部重点实验室
[3] 太原钢铁集团有限公司热连轧厂
关键词
仿人智能控制; 模糊神经网络; 参数整定; 热轧带钢厚度控制;
D O I
10.13873/j.1000-97872013.10.005
中图分类号
TG334.9 [轧制自动化]; TP183 [人工神经网络与计算];
学科分类号
080201 ; 080503 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对目前带钢厚度控制精度低,不能满足生产要求的问题,将模糊神经网络与仿人智能控制有机结合,设计了一种基于模糊神经网络参数整定的热轧带钢厚度仿人智能控制策略,利用模糊神经网络对仿人智能控制器的参数进行了整定。Matlab仿真结果表明:基于模糊神经网络参数整定的仿人智能控制优于PID控制,为解决复杂工业过程的控制提供了一种新的、有效的方法。
引用
收藏
页码:30 / 33
页数:4
相关论文
共 7 条
[1]  
热连轧带钢厚度智能控制系统研究.[D].王宜斌.西安建筑科技大学.2008, 07
[2]   复杂过程的多模态仿人智能控制策略 [J].
王静 ;
肖超 .
微电子学, 2013, 43 (02) :221-224
[3]   BP神经网络学习率的优化方法 [J].
高红 .
长春师范学院学报(自然科学版), 2010, 29 (04) :29-31
[4]   复杂工业过程的预测控制理论及其应用 [J].
赵均 ;
徐祖华 ;
钱积新 .
自动化与信息工程, 2009, 30 (03) :1-6+13
[5]   一种仿人智能控制参数整定方法 [J].
刘军 ;
胡章军 .
控制工程, 2006, (S1) :91-93
[6]   带钢热连轧AGC系统实时仿真 [J].
王正林 ;
孙一康 ;
彭开香 .
北京科技大学学报, 2006, (02) :171-174
[7]   仿人智能控制器的动态特性参数整定方法 [J].
杨飚 ;
张曾科 .
信息与控制, 2004, (06) :670-673