基于PSO- RBF神经网络的轧辊偏心在线辨识
来源：钢铁研究学报杂志2017年第11期北京时间：
作者：李沣骥，刘鸿飞，张兴
单位：北京科技大学机械工程学院，北京100083
摘要：在实际生产中，轧辊偏心往往会导致带材厚度的波动，降低带材的质量。离线辨识轧辊偏心的控制方法在实际生产中效果不明显甚至会其反作用。为了使轧辊偏心能够在线自适应辨识，提出了一种基于改进粒子群算法优化的RBF神经网络的在线辨识方式，建立在线训练模型，对轧辊偏心信号进行在线辨识研究并与未采用该算法的在线辨识方式进行对比。结果表明，基于改进粒子群算法优化的辨识方式速度更快、精度更高，能迅速地辨识出生产过程中的轧辊偏心信号的变化，达到了期望的结果。
关键词：粒子群算法;RBF神经网络;轧辊偏心;在线补偿
