用神经网络模型代替传统的数学模型,达到提高轧制参数预报精度的日的.在分析了轧制原理的基础上设计了神经网络冷连轧参数预报模型,并针对前向网络反向传播算法(BP)收敛速度缓慢和易陷入局部极小点的缺点,将有全局寻优特件的模拟退火算法(SA)与之结合得到具有较快收敛速度和较高逼近精度的神经网络轧制参数预报模型,提高了,网络的快速性和精确性.最后以轧制力预报为例,证明了该方法收敛速度快,稳定性好,可信度高,具有较好的应用前景.
参考文献
| [1] | Gunasekera J S;Zhengjie Jia;Malas J C.Development of a Neural Network Model for a Cold Rolling Process[J].Engineering Applications of Artificial Intelligence,1998(11):597. |
| [2] | 刘东东,王焱.基于RBF神经网络的热连轧精轧厚度的预报[J].济南大学学报（自然科学版）,2006(04):312-314. |
| [3] | Cui Jianiiang;Xiao Wendong;Xu Xinhe.Neural Net-work for Roller Gap Setup in Rolling Steel Mill[A].合肥:中国科学技术大学,2000:1135. |
| [4] | 孙登月,杜凤山,朱泉封,周坚刚.五机架冷连轧机轧制力人工神经网络预报[J].钢铁,2002(02):28-30,34. |
| [5] | 哈根;戴葵.神经网络设计[M].北京:机械工业出版社,2002:200. |
| [6] | 侯祥林,胡英,李永强,徐心和.多层人工神经网络合理结构的确定方法[J].东北大学学报(自然科学版),2003(01):35-38. |
| [7] | 宋志宇,李俊杰.基于模拟退火神经网络模型的岩质边坡稳定性评价方法[J].长江科学院院报,2006(02):42-45. |
| [8] | 陈华根,李丽华,许惠平,陈冰.改进的非常快速模拟退火算法[J].同济大学学报（自然科学版）,2006(08):1121-1125. |
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%