张延华
- 作品数：6 被引量：20H指数：3
- 供职机构：东北大学材料与冶金学院轧制技术及连轧自动化国家重点实验室更多>>
- 发文基金：国家重点基础研究发展计划更多>>
- 相关领域：金属学及工艺更多>>
- 基于模糊理论的中厚板轧制力学习算法被引量：1
- 2005年
- 由于传统的中厚板轧制力计算模型结构简单,并且要测量模型中的一些参数较困难,即使采用一定自适应技术,也难以适应不断提高的中厚板尺寸精度的要求。为了提高中厚板轧机的轧制力预设定精度,笔者采用基于模糊理论计算轧制力参数算法,利用现场采集的数据进行了计算。结果表明,该方法的预测精度优于传统数学模型,预测结果的相对误差基本限制在±6%范围内。
- 张延华刘相华王国栋
- 关键词：中厚板轧制力
- 基于小波变换的轧辊偏心分析与仿真被引量：11
- 2004年
- 为了提高热轧带钢厚度精度,针对以快速傅立叶变换为基础的轧辊偏心识别方法的固有缺陷,利用在小波变换下奇异信号和随机噪声在多尺度空间中的模极大值传递特性的不同,提出一种基于小波变换识别轧辊偏心的新方法,用于分析轧制力信号和厚差信号,并将信号从随机噪声中有效分离出,实现对轧辊偏心的动态补偿·仿真研究表明,小波变换补偿轧辊偏心优于快速傅立叶和其改进算法,可使轧辊偏心引起的厚度波动减少90%·设计基于小波分析的轧辊偏心补偿控制的方法,使补偿控制系统更有效地工作,对外界环境干扰具有很好的适应性和对偏心信号实行动态实时的补偿控制·
- 张延华刘相华王国栋
- 关键词：热轧带钢轧辊偏心厚度精度小波变换补偿控制
- 小波变换及其在轧辊偏心分析中的应用被引量：3
- 2005年
- 阐述了小波分析的数学原理及小波分析在轧辊偏心补偿控制中的应用。从各种随机噪声的轧制力信号这一复杂高频干扰周期波中分离出偏心信号,控制轧机在压下系统实现对偏心的补偿,以提高热轧带钢的厚度精度。还给出了控制系统的构成和仿真结果。
- 张延华刘相华王国栋
- 关键词：热轧带钢轧辊偏心厚度精度小波分析补偿控制
- 结合数学模型的模糊聚类BP网络预报板凸度被引量：2
- 2005年
- 分析了中厚板板凸度计算模型并给出了相应的在线数学模型。为了提高板凸度在线模型预测精度,提出了一种基于模糊聚类BP神经网络的板凸度模型影响系数的优化方法。并采用模糊聚类分析方法,科学选取学习样本,解决了由于样本多学习速度慢的问题。通过对大量在线数据分析得出,这种方法对中厚板板凸度的预报精度有很大改善,能适应不断变化的工艺过程和设备条件。
- 张延华刘相华王国栋
- 关键词：中厚板凸度BP神经网络聚类
- 基于模糊聚类的BP神经网络模型预报中厚板轧制力被引量：2
- 2004年
- 以实测数据为基础,在中厚板轧制设定中采用BP神经网络的方法取代传统的轧制力数学模型,并对神经网络输入项和训练样本进行分析,将传统轧制力模型的自学习过程引入神经元网络用于轧制力预报,改善预报精度.采用模糊聚类分析方法,科学选取学习样本,解决了由于样本多学习速度慢的问题.通过在线数据分析,可知这种方法对轧制力的预报精度有很大改善,而且神经元网络的结构也得到简化.此方法可以作为神经元网络应用的一个拓展.
- 张延华刘相华王国栋
- 关键词：BP神经网络聚类轧制力自学习
- BP神经网络和数学模型在中厚板板凸度预报中的综合应用被引量：4
- 2005年
- 分析中厚钢板板凸度计算模型并给出相应的在线数学模型。为了提高板凸度在线模型预测精度,提出了一种基于模糊聚类BP神经网络的板凸度模型影响系数的优化方法。并采用模糊聚类分析方法,科学选取学习样本,解决了样本多、学习速度慢的问题。通过大量在线数据分析,可知这种方法对中厚板板凸度的预报精度有很大改善,能适应不断变化的工艺过程和设备条件。
- 张延华刘相华王国栋
- 关键词：中厚板BP神经网络聚类数学模型
