本课题以人工神经网络理论为基础,以神经网络的优化算法研究为重点,实现了板形板厚的综合控制和板形模式识别的应用研究。 首先介绍神经网络系统的基础知识,重点介绍本文主要研究的对象—RBF 神经网络,针对该神经网络的结构、运行机理、优缺点等方面进行分析,重点研究常用的几种数据中心选取方法。设计和改进了 5 种 RBF 神经网络数据中心选取方法,并对每种方法进行了仿真研究,仿真结果表明这些优化设计方法是行之有效的,根据仿真结果对这几种方法进行了分析,明确了其应用条件和应用范围。 板带材在生产生活中具有广泛的应用,板形和板厚是其两个重要指标。本文根据弹跳方程和塑性方程的曲线,对如何实现板形板厚综合控制进行了分析,并以此为基础,建立了板形板厚综合控制的数学模型;其次,采用勒让德多项式代表常见的几种板形模式,并分别应用双极硬限器和点阵来处理该模式,从而建立了两种板形模式的数学模型。 最后,应用 RBF 神经网络进行板形板厚的综合控制,建立了双输入、双输出的控制系统;针对两种板形模式数学模型,分别采用离散 Hopfield神经网络和 RBF 神经网络进行识别,建立了一套从板形模式识别到板形板厚综合控制的模式。