以实测数据为基础,在中厚板轧制设定中采用BP神经网络的方法取代传统的轧制力数学模型,并对神经网络输入项和训练样本进行分析,将传统轧制力模型的自学习过程引入神经元网络用于轧制力预报,改善预报精度.采用模糊聚类分析方法,科学选取学习样本,解决了由于样本多学习速度慢的问题.通过在线数据分析,可知这种方法对轧制力的预报精度有很大改善,而且神经元网络的结构也得到简化.此方法可以作为神经元网络应用的一个拓展.
参考文献
| [1] | 胡贤磊,王昭东,于解民,刘相华.结合模型自学习的BP神经元网络的轧制力预报[J].东北大学学报(自然科学版),2002(11):1089-1092. |
| [2] | 王秀梅,王国栋,刘相华.人工神经网络和数学模型在热连轧机组轧制力预报中的综合应用[J].钢铁,1999(03):37-39. |
| [3] | 何勇,项利国.基于模糊聚类的BP神经网络模型研究及应用[J].系统工程理论与实践,2004(02):79-82,94. |
| [4] | 邵峰晶;于忠清.数据挖掘原理与算法[M].北京:中国水利水电出版社,2003:201-225. |
| [5] | 姚小兰,张迪生,梁启宏,胡浩平.轧制力预报的自适应修正[J].北京理工大学学报(英文版),2002(01):33-36. |
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%