您的位置: 专家智库 > >

徐腾

作品数:8 被引量:25H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>>

文献类型

  • 7篇期刊文章
  • 1篇学位论文

领域

  • 6篇自动化与计算...
  • 3篇金属学及工艺

主题

  • 5篇板形
  • 4篇模式识别
  • 3篇神经网
  • 3篇神经网络
  • 3篇PID神经网...
  • 2篇遗传算法
  • 2篇云模型
  • 2篇识别方法
  • 2篇板形控制
  • 2篇板形模式识别
  • 2篇NN
  • 2篇PIDNN
  • 2篇BP算法
  • 1篇多输出
  • 1篇液压弯辊
  • 1篇预测控制
  • 1篇轧机
  • 1篇支持向量
  • 1篇支持向量回归
  • 1篇支持向量回归...

机构

  • 8篇燕山大学

作者

  • 8篇徐腾
  • 7篇张秀玲
  • 4篇赵文保
  • 4篇赵亮
  • 3篇樊红敏
  • 3篇臧佳音
  • 2篇张少宇
  • 1篇李少清
  • 1篇李晓辉

传媒

  • 3篇中南大学学报...
  • 2篇沈阳大学学报...
  • 1篇中国机械工程
  • 1篇山东科技大学...

年份

  • 1篇2014
  • 6篇2013
  • 1篇2012
8 条 记 录,以下是 1-8
排序方式:
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
基于GA-PIDNN的液压弯辊控制系统设计被引量:2
2014年
针对液压弯辊控制系统的时变性、非线性和不确定性等特点,设计利用G A(遗传算法)优化的P I D神经网络(P I D N N)液压弯辊控制系统。P I D N N控制器不仅具有不依赖被控对象数学模型的优点,而且有很好的动态性能,结构简单易于设计。利用G A代替B P算法对P I D N N权值进行优化,克服了B P算法易陷于局部极小的不足。2种优化方法的仿真结果对比表明:G A-P I D N N控制器能够使液压弯辊力快速达到目标值,并且具有较强的抗干扰能力。
张秀玲徐腾赵亮樊红敏臧佳音
关键词:液压弯辊遗传算法BP算法
基于GA-PIDNN的板形模式识别与智能控制
随着经济的发展和科学技术的进步,板带钢应用已融入社会各行各业的发展中,对带钢的质量要求也越来越高。板形是检测板带钢质量的重要指标,板形识别与控制是板带轧机的关键技术。面对板形控制中存在的诸多问题,现代控制理论和智能控制理...
徐腾
关键词:板形模式识别板形控制PIDNNBP算法
文献传递
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GA-PID神经网络的板形模式识别方法被引量:2
2013年
针对传统板形模式识别方法存在抗干扰能力差和识别精度有限等缺点,提出了基于遗传算法(GA)优化的PID神经网络板形模式识别方法.PID神经网络不仅具备传统多层前向网络的特点,而且其隐含层具有动态特性,可以直接用于动态系统辨识.GA具备良好的并行设计结构,具有全局优化的特点,利用GA对网络权值进行优化,克服了传统BP算法易陷于局部极小的不足.仿真结果表明:GA-PID神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形模式识别精度,可以满足板带轧机高精度的板形控制要求.
张秀玲徐腾赵亮樊红敏臧佳音
关键词:板形模式识别PID神经网络遗传算法
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
PID神经网络混沌优化及其在机械臂轨迹跟踪控制中的应用被引量:3
2013年
针对BP优化PID神经网络(BP-PDNN)易陷入局部极小的不足,提出了一种变尺度混沌优化PID神经网络设计方法,即MSCOA-PIDNN,将其应用于机械臂轨迹跟踪控制中。利用混沌运动的遍历性优化网络权值,通过压缩优化变量取值区间提高搜索效率。采用MSCOA-PIDNN建立机械臂系统的预测模型,以多步预测性能指标为目标函数,优化PID神经网络控制器,从而实现机械臂系统轨迹跟踪的有效控制。仿真结果表明,MSCOAPIDNN在机械臂轨迹跟踪控制中性能优于BP-PIDNN。
张秀玲李晓辉徐腾赵亮樊红敏臧佳音
关键词:混沌优化PID神经网络机械臂预测控制
共1页<1>
聚类工具0