梅德庆
,
孔天荣
,
陈子辰
功能材料
针对已有的一些磁流变阻尼器力学模型虽然能在一定程度上反映其实际动态特性,但对于控制应用却不甚方便、精确.本文通过引入神经网络理论中的神经元S型传递函数,并结合非线性Bingham塑性模型、非线性滞环双粘性模型和非线性粘弹塑性模型,提出了一种S型磁流变阻尼器力学新模型,并利用最小二乘法对该模型的参数进行识别.试验与仿真结果表明:该模型的动态滞环特性与实际测试值能很好地吻合,该模型在实际系统中将具有良好的可控性.
关键词:
磁流变液
,
阻尼器
,
力学特性
,
参数识别
,
神经元
丛培盛
,
李通化
,
陈昱
,
陈念贻
金属学报
讨论了神经元算法对线性可分模式空间的适应性,将其应用于某合金钢生产优化区的寻找,并将之与主成分分析法所得结果作了比较,研究结果表明,神经元算法简单、可靠性高,是一种自学习的模式识別的好方法。
关键词:
神经元
,
pattern recognition
,
principal compment analysis
,
alloy steel
张凤琴
,
刘娟
,
徐建忠
,
刘相华
,
王国栋
上海金属
doi:10.3969/j.issn.1001-7208.2004.04.010
利用BP神经网络,以某热轧厂粗轧机组数据库中的数据为训练样本,采用两种训练方案,对粗轧过程轧制力进行预测.BP网络的预报精度,既与训练样本的选取有关,又与隐层节点的个数以及相对化系数的大小有着密切的联系.以上因素选取得当,能够提高网络的预报精度,若选取不当,则降低网络的预报精度.
关键词:
带钢粗轧
,
轧制力预报
,
BP神经网络
,
神经元
李好文
,
闫海宁
,
刘和兴
,
王文章
钢铁
连铸机结晶器非正弦振动的目的是减少振动的负滑脱时间,为了提高非正弦振动的控制精度,采用了单神经元自适应PID控制,与传统PID的控制效果进行了比较.仿真及试验结果表明:单神经元自适应PID控制提高了结晶器振动的响应速度,有效地保证了结晶器振动负滑脱时间这一控制指标;减小了位置跟踪波形的畸变,使结晶器按给定非正弦振动特性曲线运动.
关键词:
连铸结晶器
,
非正弦振动
,
神经元
