王玉涛
- 作品数：34 被引量：167H指数：7
- 供职机构：东北大学信息科学与工程学院更多>>
- 发文基金：辽宁省自然科学基金国家自然科学基金辽宁省科学技术基金更多>>
- 相关领域：自动化与计算机技术冶金工程理学电子电信更多>>
- 高炉煤粉喷吹量调节系统智能控制的仿真研究被引量：4
- 2001年
- 分析了目前宝钢 3号高炉喷煤量调节系统各自动控制方式的原理及局限性 ;基于操作人员的调节经验制定出喷吹量调节的专家控制规则库 ,结合模糊控制技术给出喷煤量调节的操作建议。采样数据的对比运行结果表明 :仿真系统给出的操作建议合理、准确 ,控制精度优于 3 % 。
- 刘克显王玉涛陆增喜王师赵阳基陈永明陈杰戈雪平
- 关键词：高炉喷煤模糊控制仿真智能控制
- 高炉参数学习用模糊神经网络专家系统被引量：6
- 1999年
- 用模块化模糊神经网络模型进行参数学习专家系统的研究是根据不同的炉况类型及其相关变量将整个参数学习模型分解为几个结构相似的子模糊神经网络模型。其中，子神经网络模型能够模拟诊断推理过程，动态地进行特征数据的权重、模糊等级的界限值和规则可信度的调整。采用该方法对现场采集的数据进行实验，结果表明该方法具有较好的学习效果。
- 王玉涛夏靖波周建常王师
- 关键词：神经网络模糊逻辑专家系统高炉
- 基于主成分分析的动态神经网络预报方法及其应用被引量：9
- 2006年
- 提出一种基于主成分分析法(PCA)和改进型多步E lm an网络的实时预报方法.该方法能够在保留大量原始数据信息的前提下,消除样本数据间相关性,简化网络结构,通过动态递归算法实现复杂非线性系统实时预报.将该网络应用于宝钢某高炉铁水含硅量的预报,以±0.05作为预报误差,预报命中率达到88.17%.
- 王玉涛严其艳杨钢徐万仁
- 关键词：主成分分析法
- 高炉煤粉喷吹支管状态监控系统
- 高炉风口喷煤支管状态对于实现高炉各风口稳定大量喷煤与长时间均衡喷煤,保证高炉顺行具有重要意义。目前国内外主要采用温差法,即根据煤粉温度高于环境温度的工况开发高炉喷煤支管的状态监控系统。对封闭环境下的高炉喷煤支管该方法具有...
- 王玉涛陆增喜杨钢王师
- 关键词：监控系统
- 文献传递
- 电容传感器灵敏度分布快速计算法及其应用被引量：5
- 1998年
- 提出一种基于有限元的两相流检测用电容传感器灵敏度分布的快速计算法．通过总系数矩阵的快速生成以及快速的电容计算，显著地缩短了灵敏度分布的计算时间．还介绍了该方法在电容层析成象系统及电容式两相流相浓度传感器设计中的应用．
- 颜华王玉涛邵富群王师
- 关键词：电容传感器两相流
- 神经网络在管道流型辨识中的应用
- 夏靖波王玉涛王师
- 高炉煤粉喷吹系统的动态辨识被引量：3
- 2001年
- 高炉煤粉喷吹是一个时变、非线性复杂系统 ,采用常规方法无法建立起精确的数学模型·通过对煤粉喷吹系统的研究 ,提出一种带可调因子的模糊神经网络 (AFNN) ,它通过调节可调因子的大小 ,实现喷吹对象的动态辨识·实验结果表明 ,该网络具有快速的学习能力和较强的自适应性能·
- 刘克显王玉涛王师
- 关键词：模糊神经网络高炉喷煤
- 高炉煤粉喷吹控制系统述评被引量：19
- 2001年
- 通过对高炉煤粉喷吹系统各环节工作特性及煤粉喷吹量各调节方式的分析 ,指出煤粉喷吹量调节系统是一个动态、时变、随机干扰严重的多输入单输出非线性对象·总结并分析了煤粉喷吹量计量和控制技术的发展现状 ,指出目前煤粉喷吹量调节控制系统存在计量信号不准确、控制规律无自适应性等问题 ,并对智能控制技术用于解决喷煤量调节控制系统存在的难题作了展望·
- 刘克显王玉涛魏颖王师
- 关键词：高炉煤粉喷吹煤粉流量控制
- 用于ECT图像重建的预处理Landweber迭代算法被引量：8
- 2006年
- 针对Landweber迭代方法收敛速度慢的问题,采用预处理方法来加快其收敛速度,即减少为计算有效解所需的迭代步数,由求解方程ATAf=ATg变为求解DATAf=DATg,其中D是预处理矩阵.讨论了构建预处理矩阵的一般方法.采用两级预处理策略构建预处理矩阵,将大的奇异值聚合并与小的奇异值分隔开来,而不是将所有的奇异值聚合在一点上,避免信号与噪声混合.使用仿真数据对预处理Landweber方法的收敛速度以及重建图像质量进行了评价.实验表明,预处理投影Landweber迭代方法同未经预处理的Landweber相比只需很少的迭代步数就可以获得比较满意的重建结果,为电容层析成像技术在线进行定量的图像重建提供了可能.
- 杨钢王玉涛邵富群王师
- 关键词：收敛速度预处理电容层析成像图像重建
- 混合神经网络及其在高炉径向煤气流模式分布中的应用被引量：5
- 1999年
- 提出一种高炉径向煤气流模式分布的混合神经网络模式识别方法，针对从“样本特征模式空间”到“样本类别空间”具有较强非线性的模式识别问题，提出了一种由自组织竞争子神经网络（ＡＳＣＳＮＮ）和基于径向基函数子神经网络（ＲＢＦＳＮＮ）串联而成的混合神经网络．其中，ＡＳＣＳＮＮ用于对输人的特征模式空间进行自组织分类，以使识别更加稳定；ＲＢＦＳＮＮ对样本特征模式进行识别．根据工业现场采集数据进行实验，验证了该方法的可行性．
- 王玉涛周建常王师姜会研徐小慧
- 关键词：模式识别混合神经网络高炉
