应用MATLAB神经网络工具箱训练BP网络的基本原理和方法,建立了2350中板轧机轧制压力和轧制力矩的BP网络.预报计算表明:该BP网络高效简便、计算精度好,所训练好的BP网络预报2350中板轧机的轧制压力和轧制力矩的相对误差小于5%,满足生产控制的要求.
参考文献
| [1] | 王国栋;刘相华.金属轧制过程人工智能优化[M].北京:冶金工业出版社,2000:1-60. |
| [2] | 魏立群,卢冬华.基于BP网络的平整轧制压力计算[J].钢铁,2002(12):33-35. |
| [3] | 王秀梅;王国栋;邹天来 等.热连轧轧制压力模型参数辨别中ANN和数理统计[J].钢铁,1999,34(zk):741-744. |
| [4] | 王国栋;刘相华;吕程 等.人工智能在轧钢中应用与性能预报[J].钢铁,2000,35(zk):24-31. |
| [5] | 程晓茹,胡衍生,任勇,宋耀华.基于人工神经网络的中厚板精轧机轧制力预报[J].武汉科技大学学报(自然科学版),2001(02):132-134. |
| [6] | 吕程,王国栋,刘相华,姜正义,朱洪涛,袁建光,解旗.基于神经网络的热连轧精轧机组轧制力高精度预报[J].钢铁,1998(03):0. |
| [7] | 楼顺天;施样.基于MATLAB的系统分析与设计--神经网络[M].西安:西安电子科技大学出版社,1988:114-127. |
| [8] | 王学辉;张明辉.Matlab6.1最新应用详解[M].北京:中国水利水电出版社,2002:255-278. |
| [9] | 胡守仁.神经网络应用技术[M].长沙:国防科技大学出版社,1993:77-85. |
| [10] | 沈世镒.神经网络系统理论及应用[M].北京:科学出版社,1998:31-65. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%