| IF钢屈服强度预测仿真研究 |
| |
| 引用本文： | 曲强,樊林林,陈雪波,汪瑾.IF钢屈服强度预测仿真研究[J].计算机仿真,2015,32(5). |
| |
| 作者姓名： | 曲强 樊林林 陈雪波 汪瑾 |
| |
| 作者单位： | 辽宁科技大学电子与信息工程学院,辽宁鞍山,114051 |
| |
| 摘 要： | 研究IF钢的屈服强度与材料微观组织结构间的关系,为衡量IF钢的强度,提高预测模型的精度.屈服强度是衡量IF钢力学性能的重要指标,是IF钢的使用极限,当应力超过屈服极限后产生颈缩,应变增大,使IF钢破坏.由于影响IF钢屈服强度的因素众多,且具有高度的非线性,很难用精确的数学模型描述.为解决上述问题,首先采用互信息的特征选择方法选择预测模型的输入,然后用减法聚类法实现自适应神经模糊推理系统的结构识别,并采用混合学习算法训练该自适应神经模糊推理系统,实现对IF钢屈服强度的预测.最后,对所建模型进行仿真验证,并将仿真验证结果与传统的BP神经网络进行比较,仿真结果表明,采用自适应神经模糊推理系统的预报模型,在收敛速度及建模精度方面均优于传统的BP神经网络.
|
| 关 键 词： | 自适应神经模糊推理系统 减法聚类 互信息 屈服强度 反向传播网络 |
Simulation Research on Forecasting Yield Strength of IF Steel |
| |
| QU Qiang,FAN Lin-lin,CHEN Xue-bo,WANG Jin.Simulation Research on Forecasting Yield Strength of IF Steel[J].Computer Simulation,2015,32(5). |
| |
| Authors: | QU Qiang FAN Lin-lin CHEN Xue-bo WANG Jin |
| |
| Abstract: | |
| |
| Keywords: | Adaptive neural-fuzzy inference system Subtractive clustering Mutual information Yield strength Back-propagation neural networks |
| 本文献已被 万方数据 等数据库收录！ |
|
