卫新民
,
袁改焕
,
李小宁
钛工业进展
研究了Zr-4合金管材酸洗处理过程中,酸洗去除量、酸水转换时间、冲水时间及酸洗次数对管材氟残留量的影响,并基于径向基(RBF)人工神经网络法建立了Zr4合金管材酸洗工艺与氟残留的神经网络模型.结果表明:冲水酸水转换时间和冲水时间对氟残留量均有影响,且酸水转换时间的影响更为显著;氟残留量与酸洗次数无明显对应关系.Zr4合金酸洗工艺的RBF神经网络模型结构为3-5-1,实际值与模拟值的相对误差为9.2％.该神经网络模型具有较高的可靠性,可为Zr-4合金酸洗工艺参数的优化提供参考.
关键词:
Zr-4合金
,
酸洗工艺
,
氟残留
,
RBF神经网络
张辉宜
,
周奇龙
,
袁志祥
,
刘志明
钢铁研究学报
针对RBF神经网络学习算法不能很好地确定其隐含层节点数、隐含层节点中心及其半径的问题,利用AP聚类算法无需事先确定聚类数的特点,提出了一种基于AP聚类的RBF神经网络算法.将该算法应用于120t转炉Q235B钢种冶炼过程的终点碳含量和温度预报,预测结果与实际结果比较,表明该算法具有预测精度高等优点,可为类似应用提供借鉴.
关键词:
AP聚类
,
RBF神经网络
,
转炉炼钢
,
预测
崔桂梅
,
程史
钢铁
高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低.以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值.对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果.
关键词:
铁水温度预测
,
铁水Si含量预测
,
分布式建模
,
自组织神经网络
,
RBF神经网络
高燕清
,
方建成
,
赵紫玉
,
杨磊
功能材料
在等离子熔射成形中,粒子的飞行特性是影响沉积率和涂层动态生长质量的重要因素,而熔射工艺参数又是影响粒子飞行特性的直接因素.以等离子熔射ZrO2粉末为例,采用正交实验的方法,分析了工艺参数与粒子飞行特性间的关系.利用径向基(RBF)神经网络建立了预测模型,实现对熔射过程中飞行粒子温度与速度的预测以及工艺参数的优化.通过对仿真结果与实验结果的比较,表明了该预测模型的有效性.
关键词:
等离子熔射
,
飞行特性
,
RBF神经网络
,
预测模型
袁格侠
,
刘宏昭
,
钱学梅
,
范彩霞
,
钱学军
,
秦丽柏
兵器材料科学与工程
doi:10.3969/j.issn.1004-244X.2010.02.009
将BP和RBF神经网络的理论和算法应用于预测超高压容器爆破压力的研究中.选用MATLAB神经网络工具箱建立预测爆破压力的神经网络模型,研究模型中影响爆破压力的主要参数,内外径比值和材料的强度极限,屈服极限,屈服强度与强度极限的比值;选用Faupel、Crossland和Bones等文献中的爆破实验数据对神经网络模型进行训练,用训练好的神经网络模型对爆破压力进行预测.预测结果表明,用BP和RBF神经网络方法建立的模型能够对超高压筒形容器的爆破压力进行较为准确的预测.
关键词:
超高压容器
,
爆破压力
,
BP神经网络
,
RBF神经网络
,
预测
于海琦
,
刘真
,
田全慧
影像科学与光化学
doi:10.7517/j.issn.1674-0475.2015.03.238
本文提出一种基于RBF(Radial Basis Function,径向基函数)神经网络的打印机光谱预测模型,通过扩展神经网络模型输入变量的项数提高模型的预测精度,扩展项多采用通道驱动值的交叉值、平方值.实验结果表明[1 cmy]项的引入能够有效提高模型的预测精度,同时提高网络的泛化能力.而引入[cm2 cy2 mc2 my2 yc2 ym2]项会导致模型预测精度以及泛化能力降低.[1 cmy]、[c2m2y2]和[cmcy my]项的组合在预测精度和模型泛化能力上均是最优化的,对总样本预测的色度精度为0.475ΔE00,光谱精度RMSE为0.43％.因此选择[1 cmy c2m2y2 cmcy my c m y]作为输入变量的RBF神经网络训练模型是满足高精度光谱预测的最优模型.
关键词:
RBF神经网络
,
光谱预测
,
打印机
,
扩展项
