论文部分内容阅读
针对板带材轧制过程是一个复杂的非线性过程及传统板形控制模型的固有缺陷,为了提高冷轧带钢的板形质量和成材率,提出一种基于神经网络模糊推理的自适应板形控制(AI-AFC)方案,并将其引入森吉米尔20辊轧机的板形控制系统.离线仿真结果表明:该系统具有良好的控制性能,可提高板形控制质量.
基于人工智能的自适应板形控制
【摘 要】
：
针对板带材轧制过程是一个复杂的非线性过程及传统板形控制模型的固有缺陷,为了提高冷轧带钢的板形质量和成材率,提出一种基于神经网络模糊推理的自适应板形控制(AI-AFC)方案
【机 构】
：
燕山大学机械工程学院
【出 处】
：
钢铁研究学报
【发表日期】
：
2001年4期
其他文献
研究了低温奥氏体钢的强度随温度及合金元素含量的变化规律。对大量试验结果用计算机处理得到了定量计算的系列表达式。经验证，计算结果是令人满意的，可用于低温奥氏体钢的设计
应用SEM、EDX、XPS等分析技术研究了耐指纹板SECCN2表面黑变膜的形貌、组成和结构，并对黑变成因及机理进行了讨论。结果表明，黑变膜厚度约为75 nm，它 是 由ZnO1-x、ZnO、Zn(OH)2