共查询到20条相似文献,搜索用时 15 毫秒
1.
用神经网络BP算法预报热轧钢材抗拉强度 总被引:1,自引:0,他引:1
应用SP算法程序,对钢材力学性能按单隐蔽层不同结点数进行预报计算,结果表明.以成份C、Si、Mn、温度T四项因素做为网络输入因素.隐蔽层为七个结点时.预报结果与实测抗拉强度最为接近. 相似文献
2.
3.
4.
通过研究高炉-转炉界面铁水运输过程温度的主要影响因素,确定了影响高炉-转炉界面铁水运输过程温度的参数,建立了基于Levenberg-Marquardt (LM)算法BP神经网络的高炉-转炉界面铁水温度及铁水过程温降的预报模型.用沙钢100包铁水数据进行模型训练,50包铁水数据进行现场预报,结果表明:在高炉-转炉界面“一包到底”模式下,当绝对误差| X |≤20℃时,铁水温度命中率为94%,铁水温降命中率为78%;当绝对误差|X|≤40℃时,铁水温度命中率为100%,铁水温降命中率为92%,该预报模型能够满足现场实际生产需求,对炼钢生产有很好的指导意义. 相似文献
5.
提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能. 相似文献
6.
在连铸过程中,结晶器液面波动是限制连铸速度和铸坯质量的关键参数之一,因此,液面波动行为的准确预测一直是冶金学者的研究重点。基于此,本文利用Python对结晶器液面波动的振幅值进行预测。首先,选取中间包的质量、塞棒的位置、拉力和结晶器振动作为模型的输入,对数据快速傅里叶变换和归一化处理。然后,构建4×3×1的反向传播(back propagation, BP)神经网络模型,并利用鲸鱼算法(whale optimization algorithm, WOA)对初始权值和阈值优化。通过训练预测,相比BP神经网络,WOA-BP神经网络能较好地对结晶器液面波动进行预测,且预测值与结晶器液面波动振幅吻合较好,拟合决定系数(R2)为0.841 4;当振幅偏差为±0.02时,命中率可达到91%。 相似文献
7.
8.
9.
10.
针对刀具磨损状态和寿命预测受刀具材质、切削参数及加工材料等影响使得测试复杂且难以准确预测的问题,建立基于BP神经网络结合双对数算法的刀具磨损分析与寿命预测模型。用交叉验证法改变切削参数,对前后刀面的失效分析可知主要以后刀面磨损为主。将切削过程中的刀片后刀面磨损值VB与时间T双对数化发现:在一定范围内,改变单个切削参数,只有后刀面的初始磨损量发生变化;改变多个切削参数,后刀面的初始磨损量和磨损速率都发生变化。根据耐用时间T双对数变换后结合BP神经网络进行仿真,结果显示偏离值降低至0.1,偏离度降低至0.2%,证明BP神经网络结合双对数变换算法在一致性与试验结果的符合度都高于单纯采用BP神经网络作为预测算法的计算结果,能更好的预测刀具寿命。 相似文献
11.
12.
运用BP神经网络建立大学生对专业课学习热情的数学模型,通过Matlab神经网络工具箱学习训练网络,并进行测试验证.结果表明,该方法可以推动学校培养计划的跟踪修订,具有广泛的适用性. 相似文献
13.
为了更好地应用BP神经网络对连铸板坯质量进行在线诊断,基于连铸生产特点,利用采集的过程数据建立了符合生产实际的均一化函数.通过分析BP神经网络中各参数对网络性能及诊断准确率的影响,对BP神经网络的结构及学习算法进行修正,使该网络有选择和有区分地学习铸坯质量知识.结合某钢厂连铸现场数据,以黏结为例,建立了6种网络模型,对各模型算法进行了比较测试.结果表明:采用自定义函数均一化样本或采用提出的差异性算法训练神经网络,均可明显提高诊断准确率;采用选择性算法可确保诊断准确率不变的同时,提高学习速度;修正的算法更能很好地符合连铸生产实际. 相似文献
14.
为了进一步提高热连轧精轧机组轧制力的设定精度,采用小波神经网络建立轧制力预报模型。并采用改进的快速BP算法来训练网络。仿真结果表明:建立的轧制力预报模型的预报值与实际值之间的相对误差在±6%以内,且学习算法收敛速度快。 相似文献
15.
BP网络参数优化及其在轧制压力预报中的应用 总被引:5,自引:0,他引:5
利用最优化算法对BP算法中的学习速率(η)和动量因子(α)进行了优化选取,利用优化的BP网络对冷轧机轧制压力进行了预报,结果良好。 相似文献
16.
网络参数对神经网络BP算法预报结果的影响 总被引:2,自引:0,他引:2
应用BP算法程序,对钢材力学性能按单隐蔽层不同结点数和不同学习速率进行预报计算,结果表明,在以成分C、Si、Mn和精轧温度T四项因素作为网络输入,网络结构为单隐蔽层时,学习速率可高达0.95,仅两千多次训练就得到与实测极为接近的结果。 相似文献
17.
18.
19.
以大棚外气象因子中温度、湿度、辐射等为输入量,分别以大棚内气温、地温、湿度等气象因子为单项输出量,构建了基于神经网络预测预报原理的大棚小气候预测模型,模型预测结果好,该模型一方面能够解决大棚内气候资料缺乏的问题,另一方面能够提前模拟大棚内气候,对大棚的环境调控起指导作用. 相似文献
20.
针对烧结混合料自动加水控制的难点,尤其是在烧结配料过程中自动加水系统的大滞后、非线性、低稳定性问题进行了加水控制算法研究。采用内环和外环方案分别控制两级混合机加水,设计基于粒子群优化(particle swarm optimization, PSO)算法优化BP(back propagation)神经网络联合模糊PID控制模型以解决时变、非线性系统的局限性问题。通过PSO算法对BP神经网络进行训练优化以获得最优控制参数,将预测的烧结料水分加入模型参与下一步控制。考虑系统存在较大延时,Simulink仿真中同步加入延时环节。仿真结果表明,相比BP神经网络模型,PSO-BP预测模型的拟合性能更加优越;相比PID、BP-PID控制算法,PSO-BP-PID控制算法在超调量、响应时间以及震荡周期等指标上均有显著提高。经梅钢4号烧结机实际应用数据表明,相比传统PID控制,PSO-BP-PID控制平均误差下降约45.75%,控制标准差下降约62.72%,可以明显提高混合料水分控制的精准度、稳定性、敏捷性,提高烧结过程的稳定性。 相似文献