为提高冷连轧机轧制力的预报精度和预报速度,用蚁群算法和神经网络相结合的方法进行轧制力预报模型设计.根据轧制原理建_、芏了BP神经网络冷连轧机轧制力预报模型,以网络权值和阈值为自变量,网络预报误差为目标函数,通过蚁群多代运算,找出预报误差全局最小值,再将相应的权值和阈值输人网络进行训练.应用某厂1 450 mm冷连轧机的实测数据进行离线计算的结果表明,该方法能够防止BP网络陷入局部极小点,且收敛速度快,可作为轧制力预报的新方法在实际应用中加以推广.
参考文献
| [1] | 董敏,刘才,李国友.轧制力预报问题中动态网络模型的实现[J].钢铁,2006(12):49-52. |
| [2] | Joon-Sik Son;Duk-Man Lee;Ill-Soo Kim et al.A Study on On-line Learning Neural Network for Prediction for Rolling Force in Hot-Rolling Mill[J].Journal of Materials Processing Technology,2005,164:1612. |
| [3] | Man Chun-tao;Li Xiao-xia.Radial Basis Function Neural Network Based on Colony Optimization[A].America,2007:59. |
| [4] | 孙一康.带钢冷连轧计算机控制[M].北京:冶金工业出版社,2002:50. |
| [5] | 李士勇.蚁群算法及应用[M].哈尔滨:哈尔滨工业大学出版社,2004:35. |
| [6] | 张扬,曲延滨.基于蚁群算法与神经网络的机械故障诊断方法[J].机床与液压,2007(07):241-244. |
| [7] | Marco Dorigo;Mauro Birattari;Thomas Stiitzle.Ant Colony Optimization[J].IEEE Computational Intelligence Magazine,2006(12):28. |
| [8] | 蒋玲艳,张军,钟树鸿.蚁群算法的参数分析[J].计算机工程与应用,2007(20):31-36. |
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%