文献类型：期刊文章

作　　者：孙铁军[1,2,3] 杨卫东[1,3] 程艳明[2] 段凤云[4] 弭洪涛[2]

机构地区：[1]北京科技大学自动化学院,北京100083 [2]北华大学电气信息工程学院,吉林吉林132021 [3]北京科技大学钢铁流程先进控制教育部重点实验室,北京100083 [4]北华大学信息技术与传媒学院,吉林吉林132013

出　　处：《控制理论与应用》

基　　金：北京市重点学科建设项目(XK100080537)资助~~

年　　份：2015

卷　　号：32

期　　号：8

起止页码：1106-1113

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：由于热轧带钢卷取温度控制过程存在强非线性,经典数学模型难以精确描述,我们采用遗传神经网络建立了卷取温度预报模型,并且通过改进的遗传算法优化了神经网络的权值.其中,提出了重新进化的思想,用"返祖"操作找回丢失的较优模式并将其耦合至下一代种群中,极大的提高了算法的收敛速度;分析了"种群解的空间跨度"和"基因段距离"对种群多样性的影响,用"优生"操作来推动算法从平面到多维空间的立体式搜索,以勘探和挖掘出更广、更优的寻优区间,并在种群进化后期,强力驱动算法收敛于全局最优.MFC(微软基类库)仿真结果表明:该卷取温度预报模型的收敛速度快、精度高,满足实时在线的控制要求,预报精度在±10?范围之内,能为卷取温度的前馈补偿控制提供可靠的参考数据,从而为进一步提高卷取温度的控制精度提供了新的途径.

关 键 词：卷取温度 遗传算法 返祖  基因段距离  优生

分 类 号：TG335.5] TP18]