李少清
- 作品数：5 被引量：14H指数：2
- 供职机构：燕山大学电气工程学院河北省工业计算机控制工程重点实验室更多>>
- 发文基金：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Elman网络的HC轧机板形识别与控制
- 板带材在工业生产以及人民生活中有着重要的应用。因此,其产品质量的提高也成为学术界关注的焦点。现代工业对产品精度的要求,使得传统的控制理论有了一些局限,而人工智能理论——尤其是人工神经网络的完善和发展,为板带材的生产提供了...
- 李少清
- 关键词：板形模式识别板形控制ELMAN网络
- Elman神经网络的板形模式识别方法被引量：2
- 2010年
- 针对静态网络设计和识别时间模式的能力弱、泛化能力差、学习速度慢等缺点,建立了一个基于E lm an神经网络的板形模式识别系统.该系统由于考虑到了神经网络的过学习或过拟合问题,且通过经验公式和对比实验来确定神经网络的隐层节点数,具有简单、有效的优点.系统通过对6种基本板形模式及其组合模式的学习,具有了一定的泛化能力.经仿真验证,实际输出的误差均小于0.1,识别效果良好,可以证明基于E lm an动态网络的系统,其板形识别能力要强于BP网络构成的系统.
- 张秀玲李少清田力勇
- 关键词：板形模式识别动态网络
- ANFIS的板形控制动态影响矩阵方法被引量：1
- 2010年
- 针对板形控制系统的非线性和强耦合性,以及传统效应函数法和板形静态影响矩阵法的不足,通过对大量生产实测数据的计算和分析,提出了板形控制的动态影响矩阵法.通过基于减法聚类的ANFIS(自适应神经模糊推理系统)的板形动态矩阵预测模型,在线求得不断变化的影响矩阵,兼顾了板带生产的实时性与复杂性,仿真实验验证了其有效性.
- 张秀玲逄宗鹏李少清张少宇
- 关键词：板形控制自适应神经模糊推理系统影响矩阵聚类
- 基于人工蜂群算法的Elman网络板形预测被引量：4
- 2012年
- 针对常规Elman网络泛化能力差的缺点,以及工业生产中对高精度板形预测模型的需要,用人工蜂群算法(ABC)代替误差反传算法训练Elman网络,建立了一个基于Elman网络的板形预测模型.神经网络的隐层节点数通过经验公式和仿真试验来确定.通过仿真验证,用人工蜂群算法训练的Elman网络在同等条件下比常规Elman网络具有更强的泛化能力,其板形预测精度更高.
- 张秀玲赵文保李少清徐腾
- 关键词：人工蜂群算法ELMAN网络泛化能力
- 基于自适应神经模糊推理系统的板形模式识别被引量：7
- 2009年
- 针对传统的最小二乘板形模式识别方法的抗干扰能力差、精度低和神经网络方法存在网络学习时间长、易陷入局部最小值等问题,把模糊理论和神经网络的优点融合在一起,通过三个自适应神经模糊推理系统的有效拟合,提出了一种基于自适应神经模糊推理系统的板形模式识别方法。研究结果表明,该方法能够很好地克服以上缺点,而且能够有效识别出常见的板形缺陷,识别速度和精度有所提高,识别结果跟板形仪的实测板形也非常接近。
- 张秀玲逄宗鹏李少清贾春玉
- 关键词：板形模式识别自适应神经模糊推理系统
