许东杰
- 作品数：3 被引量：4H指数：1
- 供职机构：燕山大学机械工程学院更多>>
- 发文基金：河北省自然科学基金国家自然科学基金更多>>
- 相关领域：金属学及工艺自动化与计算机技术更多>>
- 基于量子粒子群算法的BP网络板形模式识别研究被引量：3
- 2011年
- 针对目前板形模式识别方法存在的问题,以及考虑到现代轧机板形控制手段的多样化和板形控制能力的提高,为了提高板形模式识别模型的精度,本文以1次、2次、3次和4次勒让德正交多项式为板形基本模式,建立了基于量子粒子群-BP算法混合优化神经网络的新型板形模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为板形控制策略的制定提供可靠依据。
- 许东杰贾春玉崔艳超叶亚宁
- 关键词：板形模式识别勒让德多项式量子粒子群算法BP神经网络
- 冷轧带钢平直度智能识别与预报模型研究
- 带钢生产在国民经济中占有十分重要的地位,广泛应用于汽车、造船、桥梁和家用电器等方面。平直度是衡量带钢的重要质量指标。随着社会发展与科学技术的进步,用户对冷轧带钢产品质量的要求越来越高,平直度问题已成为日益迫切的急需解决的...
- 许东杰
- 关键词：平直度模式识别量子粒子群优化算法BP神经网络RBF神经网络
- 文献传递
- 基于非线性预测模型的单神经元自适应PID板形控制被引量：1
- 2010年
- 为了解决传统PID板形控制精度低、速度慢、抗干扰能力差等问题,将BP神经网络和单神经元引入到板形的控制中,提出一种基于BP神经网络预测模型的单神经元自适应PID控制的板形控制策略。利用BP神经网络的非线性逼近能力和单神经元的自学习、自适应能力,通过两者的有机结合寻找一个最佳的P、I、D非线性组合控制律,实现对带钢板形缺陷的有效控制。仿真实验结果表明,该控制算法能很好地跟踪板形的目标设定值,提高了系统的控制精度,加快了系统的响应速度,并且具备较强的抗干扰能力。
- 贾春玉崔艳超许东杰
- 关键词：BP神经网络单神经元PID控制板形控制
