周慧
,
王晓光
,
张有君
腐蚀学报（英文）
根据神经网络的非线性和良好的函数逼近特性,提出了基于人工神经网络的灰色模型、多项式回归模型组合的输气管道腐蚀速率预测模型.此组合模型将最佳组合权重隐含在网络的连接权中,兼具灰色预测、回归预测和神经网络预测的优点,克服了原始数据少,数据波动大对预测精度的影响,也增强了预测的自适应性,在客观地反映输气管道腐蚀速率变化趋势方面具有一定的优势．通过实例分析,表明预测值与实际结果有很好的一致性.
关键词:
腐蚀速率
,
grey model
,
regress
,
BP neural networks
,
combination forecasting
H.W.Liu 1)
,
H.Ding 2) and J.Z.Cui 2) 1) School of Mechanical Engineering
,
Shenyang University
,
Shenyang 110044
,
China 2) School of Materials & Metallurgy
,
Northeastern University
,
Shenyang 110006
,
China
金属学报(英文版)
The samples obtained by Finite Element Method (FEM) simulation for section extrusion process have been trained on BP Neural Networks. The mapping relationsbetween die's geometrical parameters and energetic parameters, such as stress and strain generated in the die are established. The extrusion process model and its expert system are also determined. The excellent expansibility this system possesses provides a new prospect for the future development of expert system for section extrusion dies.
关键词:
BP neural networks
,
null
,
null
,
null
王智
,
张果
,
王剑平
,
杨俊东
,
杨奇
,
尹丽琼
钢铁研究
为了有效预测双机架炉卷轧机的轧制力,使热轧板带材生产具有很好的可操作性,采用粒子群算法(PSO)优化BP神经网络,建立了往复式双机架炉卷轧机轧制力预测的智能模型.以某钢厂热轧产品Q195实测数据作为试验样本,并将粒子群算法优化的BP神经网络模型和标准BP网络模型分别用于轧制力预测,结果表明PSO-BP神经网络模型在预报精度上明显优于标准BP网络模型,并且PSO-BP神经网络模型预测轧制力的误差率控制在10 %以内.
关键词:
双机架炉卷轧机
,
粒子群
,
BP神经网络
,
轧制力
薛掌安
,
邓海亮
材料导报
人工神经网络因能处理复杂的非线性问题而成为材料科学研究的一种重要方法.在介绍BP神经网络的基础上,综述了其在复合材料设计、工艺优化、性能预测、损伤检测及预测等方面的应用情况,分析了应用中存在的问题,展望了其发展趋势.
关键词:
BP神经网络
,
复合材料研究
,
应用
