欢迎登录材料期刊网

材料期刊网

高级检索

针对铸坯质量预报问题,利用人工神经网络中的BP算法建立原始化学成分和连铸生产的主要工艺参数与产品最终质量之间的关系,并开发出专门的应用软件.软件共分3部分:数据处理部分、人工神经网络训练部分、运用成熟网络预报部分.该预测方法的特点是直观、方便、稳定.数据均从稳定生产的现场取得.采用神经网络对D32-1钢的铸坯质量进行预报,经过上千次训练后,产品质量的预报值与实际值拟合良好,预报结果的相对误差很小.

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
[2] 艾立群 .人工神经网络在钢铁工业中的应用[J].钢铁研究学报,1997,9(04):60-63.
[3] 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.
[4] 牛济泰;孙雷剑;李海涛 等.基于人工神经网络的微合金钢热轧奥氏体晶粒尺寸模型的研究[J].材料科学与工艺,1999,7(03):12-16.
[5] 高永生,张鹏,崔军,田晓春.应用人工神经网络预测50CrV4钢的变形抗力[J].钢铁,1998(04):0.
[6] 王铁;陈进 .BP算法中学习率及形状因子对学习速度的综合影响[J].上海交通大学学报,1997,31(03):109-112.
[7] 王国栋;刘相华;吕程 等.人工智能在轧钢中的应用与性能预报[J].钢铁,2000,35(zk):24-31.
[8] Emling WH;Dawso S.Mold instrumentation for breakout detection and control[A].Washington:A Publication of the Iron and Steel Society,1991:197.
[9] Bellomo P;Palchetti M;Maria E S.Neural networks utilization for breakout monitoring[A].Nashville:A Publication of the Iron and Steel Society,1995:345.
[10] Hatanaka K;Tanaka T;Kominami H .Breakout forecasting system based on multiple neural networks for continuous casting in steel production[J].Fujit su Scientific and Technical Journal,1993,29(03):265.
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:
  • 1
    0%
  • 2
    0%
  • 3
    0%
  • 4
    0%
  • 5
    0%