.502 北京科技大学学报 第31卷 稳定到误差控制水平,说明有记忆长度的神经网络 生改变时的仿真效果,偏心信号的频率(虚线)在 滤波器具有收敛速度快的特点,从表1二者的输出 30s时增加了1倍,设定记忆长度的神经网络滤波器 均方误差判断有记忆长度的神经网络系统误差控制 经过大约4s的时间将频率改变后的偏心信号引起 的精度较高,总之,设定记忆长度后,神经网络滤波 的厚度波动减少了94.8%,说明设定记忆长度的神 器的收敛速度和抗噪声能力都得到了提高 经网络滤波器对偏心信号的频率波动具有很好的自 20 适应能力 15 设定记忆长度 50 10 不设定记忆长度 0 原始的偏心 30 网络的误差 0 10 -10 -15 -20 200 10 152025 30 -30 时间/s 20 30 40 50 60 时间s 图2设定记忆长度与不设记忆长度的滤波效果 Fig.2 Filtering effect with and without memory range 图3偏心信号振幅突变时的滤波效果 Fig.3 Filtering effect for eccentric signal when its amplitude mu 表1滤波效果的比较 tates Table 1 Comparison of filtering effect 神经网络滤波器 学习收敛时间/s 均方差/m 30 原始的偏心 设定记忆长度 10 0.845 20 网络的误差 不设记忆长度 200 1.932 10 0 在轧制过程中,由于轧制速度、轧辊磨损以及打 -10H 滑等因素,偏心信号的频率、幅度和相角可能会变 -20 化,因此有必要对神经网络滤波器在偏心信号变化 -30 时的自适应能力作仿真, 图3给出了偏心信号振幅改变时的仿真效果 A06 10 20 3040 50 60 时间s 其中虚线代表原始偏心信号,实线代表原始偏心信 号与设定记忆长度神经网络滤波器输出之间的误差 图4偏心信号相角突变时的滤波效果 Fig.4 Filtering effect for eccentric signal when its phase mutates 值.可以看到图3中的原始偏心信号(虚线)的振幅 在30s时刻振幅增加了1倍,而设定记忆长度的神 25 原始的偏心 经网络滤波器(实线)经过大约7s的时间(37s时 2015 网络的误差 刻)将原始偏心振幅改变后的偏心信号引起的网络 输出的厚度波动减少了95.7%,说明设定记忆长度 的神经网络对偏心信号的幅度波动具有很好的自适 0 应能力 -5 -10 与图3类似,图4给出了偏心信号相角改变时 -15 的仿真效果,偏心信号(虚线)在30s时反相,而设 200 10 20 304050 60 定记忆长度的神经网络滤波器经过大约12s的时间 时间s 将相角改变后的偏心信号引起的网络输出(实线)的 厚度波动减少了94.1%,说明设定记忆长度的神经 图5偏心信号频率突变时的滤波效果 Fig.5 Filtering effect for eccentric signal when its frequency mu 网络滤波器对偏心信号的相位波动具有很好的自适 tates 应能力 同样,图5给出了偏心信号的频率在过程中发 由图3~5可知,在偏心信号振幅、相角和频率稳定到误差控制水平说明有记忆长度的神经网络 滤波器具有收敛速度快的特点.从表1二者的输出 均方误差判断有记忆长度的神经网络系统误差控制 的精度较高.总之设定记忆长度后神经网络滤波 器的收敛速度和抗噪声能力都得到了提高. 图2 设定记忆长度与不设记忆长度的滤波效果 Fig.2 Filtering effect with and without memory range 表1 滤波效果的比较 Table1 Comparison of filtering effect 神经网络滤波器 学习收敛时间/s 均方差/um 设定记忆长度 10 0∙845 不设记忆长度 200 1∙932 在轧制过程中由于轧制速度、轧辊磨损以及打 滑等因素偏心信号的频率、幅度和相角可能会变 化因此有必要对神经网络滤波器在偏心信号变化 时的自适应能力作仿真. 图3给出了偏心信号振幅改变时的仿真效果. 其中虚线代表原始偏心信号实线代表原始偏心信 号与设定记忆长度神经网络滤波器输出之间的误差 值.可以看到图3中的原始偏心信号(虚线)的振幅 在30s 时刻振幅增加了1倍而设定记忆长度的神 经网络滤波器(实线)经过大约7s 的时间(37s 时 刻)将原始偏心振幅改变后的偏心信号引起的网络 输出的厚度波动减少了95∙7%说明设定记忆长度 的神经网络对偏心信号的幅度波动具有很好的自适 应能力. 与图3类似图4给出了偏心信号相角改变时 的仿真效果.偏心信号(虚线)在30s 时反相而设 定记忆长度的神经网络滤波器经过大约12s 的时间 将相角改变后的偏心信号引起的网络输出(实线)的 厚度波动减少了94∙1%说明设定记忆长度的神经 网络滤波器对偏心信号的相位波动具有很好的自适 应能力. 同样图5给出了偏心信号的频率在过程中发 生改变时的仿真效果.偏心信号的频率(虚线)在 30s时增加了1倍设定记忆长度的神经网络滤波器 经过大约4s 的时间将频率改变后的偏心信号引起 的厚度波动减少了94∙8%说明设定记忆长度的神 经网络滤波器对偏心信号的频率波动具有很好的自 适应能力. 图3 偏心信号振幅突变时的滤波效果 Fig.3 Filtering effect for eccentric signal when its amplitude mutates 图4 偏心信号相角突变时的滤波效果 Fig.4 Filtering effect for eccentric signal when its phase mutates 图5 偏心信号频率突变时的滤波效果 Fig.5 Filtering effect for eccentric signal when its frequency mutates 由图3~5可知在偏心信号振幅、相角和频率 ·502· 北 京 科 技 大 学 学 报 第31卷