共查询到19条相似文献,搜索用时 61 毫秒
1.
基于人工神经网络铝箔轧机轧制力模型 总被引:5,自引:1,他引:5
彩用BP神经网络原理对1350mm铝箔轧机轧制数据重新处理,建立了基于人工神经网络的轧制务模型。结果表明,用人工神经网络轧制力模型的计算值与实测值相比偏差〈3%该模型较真实地反映了轧制过程的特征。 相似文献
2.
3.
在实际生产过程中,传统轧制力数学模型存在较大误差,影响计算精度.提出将BP网络与修正遗传算法相结合,利用BP网络的指导性搜索思想和遗传算法的全局搜索能力预测中厚板轧机轧制力,并建立预测模型.同时,根据模型编制相应的程序及界面.以邯钢中板厂、普阳中板厂现场数据为基础,通过数据优选,选择较优数据进行离线轧制力预测,预测精度优于传统的数学模型,预报精度的相对误差可以控制在4%以内,能够满足生产需要. 相似文献
4.
基于Matlab人工神经网络工具箱,采用改进的BP网络Levenberg-Marquardt训练规则优化计算2350中板轧机轧制压力和力矩。通过该网络的μ参数的自适应调整,提高了收敛速度,使2350中板轧机轧制压力和力矩的预报精度大为提高,为预报该机组的轧制压力和力矩计算提供了一条新的途径。 相似文献
5.
6.
基于人工神经网络的扁钢轧制力模型 总被引:3,自引:0,他引:3
根据BP人工神经网络算法原理,结合某厂型钢轧机轧制扁钢时的轧制力实测数据,对扁钢轧制力进行建模,结果表明,神经网络用于轧制力建模是可行的,所建模型系统误差〈1%,模型计算值与实测值的偏差,4%,较好地反映了实际轧制过程的特征。 相似文献
7.
结合模型自学习的BP神经元网络的轧制力预报 总被引:5,自引:3,他引:5
为了改善传统轧制力模型的预报精度,首次将传统轧制力模型的自学习过程引入神经元网络用于轧制力预报·分析国内宝山钢铁集团(公司)2050热连轧机组上的精轧轧制力模型及其自学习方法,可知通过自学习后的预测轧制力具有较高的精度,为此将自学习后的模型预测轧制力作为BP神经元网络的一个输入项进行网络的训练,通过大量在线数据分析,可知这种方法对轧制力的预报精度有很大改善,而且神经元网络的结构也得到很大简化·这种方法为人工智能预测轧制力的研究提供一个新的思路· 相似文献
8.
2800 mm中厚板轧机轧制力模型研究 总被引:6,自引:2,他引:6
在考虑温度场对轧制力能参数影响的条件下,利用ANsYs软件对热轧板带的塑性变形过程进行了力能参数的计算,并由此获得2800mm轧机轧制压力的计算模型.经在武钢2800mm轧机生产现场实测大量数据,进-步完善轧制力模型,使之具有良好的计算精度. 相似文献
9.
10.
简单介绍了光电复合法,重点讨论了光电复合法中的精度保证技术。并应用光电复合法和精度保证技术解决某钢厂轧机轧制力精度的校准问题。 相似文献
11.
基于改进BP神经网络预测蛋白质二级结构 总被引:6,自引:0,他引:6
蛋白质结构预测在生物信息学研究中占有重要地位,而蛋白质二级结构预测是蛋白质结构预测的关键步骤。针对标准BP算法存在的缺点,讨论采用几种不同的改进BP神经网络来实现蛋白质二级结构的预测,运用MATLAB语言实现各种改进算法的初始化和训练。并分析比较了它们对蛋白质二级结构预测精度的影响。实验表明,遗传算法结合动量法与学习率自适应调整策略的BP算法可获得较高的预测精度。 相似文献
12.
13.
针对传统的路面使用性能预测方法存在的不足,应用人工神经网络理论,建立预估模型。经过理论分析与实际验证,这一方法是完全可行的。 相似文献
14.
针对传统弯辊力预设定模型的缺陷和带钢热连轧轧制特点,利用某钢铁公司1580mm热轧线生产数据,对精轧机组末机架进行了基于遗传算法优化神经网络的弯辊力预报模型研究.以大量实际数据作为神经网络训练输入,充分考虑了输入参数之间的影响作用,模型结构简单、容易实现,其整体性能用平均绝对百分误差、均方根误差和相关系数R评价.通过将预测结果与实测结果比较,验证了模型的精度.研究发现,提出的弯辊力预测模型相比于传统模型可实现高度非线性拟合,适用于提高热轧带钢头部板形控制精度,为实际弯辊力设定提供指导和试验基础. 相似文献
15.
罗宁 《厦门理工学院学报》2011,19(3):44-47
应用BP神经网络算法建立高速磨削单位面积法向磨削力的预测模型.对比实验结果和预测值,表明该模型有一定的预测精度,通过增加学习样本或采用改进型的神经网络模型,能够进一步提高预测精度,对于高速超高速磨削研究有一定的帮助. 相似文献
16.
提出的基于MATLAB神经网络工具箱的短期负荷预报模型,不仅简洁实用,而且涉及了天气和日期特征量,因而具有较高的预测精度.采用两种学习算法,用实际数据对ANN进行了训练,通过比较得出了优化模型.计算实例表明用该方法是可行的、有效的. 相似文献
17.
18.
19.
In this paper, three layers of BP neural network were used to model the shearing properties of worsted fabrics. We train the neural network models with 27 kinds of fabrics, and then use 6 kinds of fabrics to validate the accuracy of the model. The result shows that the predicted accuracy of the models is about 85%. 相似文献