BP网络泛化能力改进方法在染色配色中的应用研究

针对BP神经网络在织物染色配色中的局限性,提出了对BP神经网络应用到织物染色配色中的泛化能力改进方法。实验及仿真结果表明,基于泛化能力改进的BP神经网络在平均均方差上优于标准的BP神经网络,并且误差函数改进的BP神经网络要优于网络训练提前结束法改进的BP网络,与一般的BP神经网络模型相比,计算精度有了较大的提高。     

超薄快速铸轧板形控制

在超薄快速铸轧条件下，板形控制成为实现超薄快速铸轧工艺规程并最终保证产品质量的关键，板形与力辊型，热辊型，布流等众多因素及这些因素间的互相耦合等有关，板形控制模型难以建立。为此，作者研究了一种基于人工神经网络技术的超薄快速铸轧过程板形控制方案。该方案采用模块化的设计方法，以西门子可编程序控制器PLC作为底控制单元，以工控机作为上位机实现铸轧过程的板形监控，实验结果表明：该方案实现简单，通讯可靠，适用于同粗工业控制系统。     

外冷在铝材铸轧过程中的作用机理

外冷技术是实现铝材超薄快速铸轧的关键技术之一，它通过在铸轧过程中对铝板和 套外表面进行强制冷却以达到提高系统的传热能力，增加铸轧速度，提高铝材质量的目的。作者在研究了铸轧过程传热模型和辊－板系统温度场特点的基础上，分析了外冷板面和辊面对辊套和铝板的温度场及铸轧速度的影响规律。研究结果：随着铸轧速度的提高，外冷板面对提高铸轧速度的影响逐步减小，而外冷辊面对提高铸轧速度的影响逐步增强，造成这一现象的原因在于外冷板面和外冷辊面对提高铸轧速度的作用机理不同。因此，应将辊面外冷作为外冷技术的发展方向，通过采用高效外冷介质，合理设置外冷区间来满足超薄快速铸轧对外冷技术的要求。本研究对确定铝材铸轧过程中的外冷技术方案，具有重要的意义。     

BP神经网络的IAPSOBPNN组合训练算法

针对BP神经网络易陷入局部极小点、泛化能力低的缺陷,提出了BP神经网络的IAP-SOBPNN(Particle Swarm Optimization with Immunity Algorithm Back Propagation Neural Network)组合训练算法,即免疫算法、粒子群算法和BP算法的组合.将此组合训练算法应用到非线性函数逼近和具有复杂非线性动力学特征的股价预测中,仿真实验表明,该算法避免了网络陷入局部极小点,提高了网络的泛化能力,同时为BP网络参数的确定提供了一条崭新的思路.     

基于迟滞神经网络的商品零售价格指数预测

将传统神经元的激励函数改为迟滞激励函数,将迟滞特性引入神经网络中,构造迟滞神经网络.利用迟滞特性增强神经元对原状态保持的惯性,从而减少了神经元状态的错误变化,提高了神经网络的存储和记忆能力.利用迟滞分支响应的跳变特性以抑制网络训练过程中假饱和现象的发生.借助于前向网络的结构和学习算法,构造应用于时间序列预测分析的迟滞神经网络模型,并将其应用于社会商品零售价格指数的预测分析中.预测结果表明,该网络具有良好的泛化能力,预测效果优于传统神经网络.     

增益竞争对BP网络泛化能力改善的研究

以经过训练获得的神经网络模型作为预测控制中的预测模型时,神经网络模型的泛化能力至关重要。为提高网络的泛化能力,本文介绍一种ＧＢＰ（带有增益的ＢＰ网络）方法,它在标准ＢＰ网络中引入增益参数,通过使隐含层节点增益,根据其节是的相似性进行竞争,从而获取最佳的网络结构,在提高网络泛化能力的同时,本方法还能加快网络学习速度,仿真结果验证了本算法对于ＢＰ神经网络模型泛化能力的改善。     

竞争型径向基过程神经网络时序分类器

针对时序分类问题,提出一种竞争型径向基过程神经网络时序分类器.给出了复合竞争过程神经元单元的定义,引入复合竞争过程神经元隐层,利用竞争型径向基过程神经网络输入为时变函数的特点,由复合竞争过程神经元单元完成对过程式输入信息的模式匹配和时空聚合运算,给出了具体学习算法,省去了输出层线性连接权的计算,简化了网络结构和训练过程,提高了网络泛化能力.最后以UCI数据集多变量时序分类问题验证了分类器的有效性.     

双辊铸轧板带理论的研究

在连续铸轧过程中，金属变形体不同于热轧板带，将铸轧区金属视为粘性流体，由此推出铸轧力矩计算公式。此外，考虑了变形锥和旋转接头密封圈附加力矩的影响，导出了符合铸轧条件下的计算模型，理论公式得到了实验验证。     

基于切片模型的快速混合学习算法

针对传统BP神经网络训练收敛速度慢、易陷入局部极小点的问题,将遗传算法与误差放大的BP学习算法相结合,提出基于切片模型的快速混合学习算法.该算法通过将传统神经网络的训练过程划分为许多小的训练切片,并利用遗传算法的并行寻优特性,对采用误差放大的BP训练过程进行监督.通过及时发现收敛速率较快的个体和过滤陷入局部极小点的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真实验表明,该算法在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.     

铝材快速铸轧外冷机理研究

根据铝材铸轧过程的成形特点,建立了铸轧辊-板系统传热问题的基本方程,详细阐明了铝带超薄快速铸轧过程中,外冷辊面效果明显优于外冷板面,应以其作为主攻方向;超薄快速铸轧的辊面最佳外冷区间比常规铸轧大1倍多,且外冷实施后,区间迅速缩小,移向铸轧区出口位置;按此规律调控外冷喷枪的相关参数,将使外冷设备的冷却能力得到充分发挥.     

基于人工神经网络的SS400钢板力学性能预测

寻求微观组织与性能的定量关系一直是研究开发离线与在线预测系统的关键问题，针对热轧带钢SS400性能预测系统，提出了基于Matlab神经网络工具箱的神经网络解决方案．该模型采用前向神经网络，在利用BP算法的基础上，为了克服常规BP学习算法的缺陷，Matlab神经网络工具箱对常规BP算法进行了改进，采用更有效的数值优化方法，如Levenberg—Marquardt优化方法，建立了化学成分和生产的主要工艺参数与产品力学性能之间的关系．结果表明影响板带屈服强度、抗拉强度和延伸率三者的显著因素为钢板厚度和含碳量．     

CSP工艺Q235 B热轧带钢边部裂纹成因分析

为减少采用CSP工艺生产的Q235B热轧带钢边部裂纹缺陷,分别在Q235 B连铸坯和热轧带钢裂纹处进行取样,通过宏观形貌、金相组织、扫描电镜及能谱分析等方法,研究铸坯角部横裂纹与热轧带钢边部裂纹的演变规律和形态变化. 结果表明,结晶器卷渣、冷却不均匀是产生连铸坯角部裂纹的主要原因;第2道次过渡带钢的金相组织中出现混晶现象,裂纹边上存在脱碳现象;热轧带钢边部裂纹主要源自于铸坯裂纹,并在轧制过程中得到扩展. 根据连铸工艺参数,对边部裂纹缺陷率与液渣层厚度、保护渣消耗量、结晶器振动参数、中间包过热度、结晶器传热参数以及铸坯宽度的关系进行统计分析,并提出相应的边部裂纹控制工艺措施.     

基于神经网络的非线性模型辨识

在分析了影响多层前馈神经网络泛化性能各项因素的基础上,应用BP网络对一个微型锅炉非线性对象进行了模型辨识,以建立该系统的预测模型.在辨识过程中注意采用泛化方法解决样本数据采集和网络结构确定方面的问题,利用贝叶斯正则化方法训练神经网络,以保证在满足训练精度的要求下,网络还具有较好的泛化性能.通过选取一组数据对辨识结果模型进行测试,结果表明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能.     

Rolling force prediction for strip casting using theoretical model and artificial intelligence

Rolling force for strip casting of 1Cr17 ferritic stainless steel was predicted using theoretical model and artificial intelligence. Solution zone was classified into two parts by kiss point position during casting strip. Navier-Stokes equation in fluid mechanics and stream function were introduced to analyze the rheological property of liquid zone and mushy zone, and deduce the analytic equation of unit compression stress distribution. The traditional hot rolling model was still used in the solid zone. Neural networks based on feedforward training algorithm in Bayesian regularization were introduced to build model for kiss point position. The results show that calculation accuracy for verification data of 94.67% is in the range of ±7.0%, which indicates that the predicting accuracy of this model is very high.     

贝叶斯改进BP神经网络在织物染色配色中的应用

针对BP算法及其改进算法泛化能力不强的问题,探讨了用贝叶斯正规化算法与LM算法的结合来提高BP神经网络的泛化能力。结果表明,在相同网络规模或误差条件下,贝叶斯正规化算法泛化能力明显优于基本BP算法及其它改进的BP算法,且收敛速度较快。因此文中把贝叶斯正规化算法与LM算法结合应用到了织物染色的计算机配色中,其预测的配方和实验的数据比较接近,证明了该方法的可行性。     

非对称轧制力能参数与带钢张应力分布规律

为深入了解带钢轧制过程中非对称因素对轧制力能参数与带钢张应力分布的影响,应用ABAQUS非线性有限元软件对轧制过程进行二维建模及仿真分析,以轧辊驱动方式非对称、上下工作辊与带钢间接触摩擦润滑条件非对称以及存在异步轧制等3种非对称因素作为研究对象,计算并分析上述非对称因素及其程度对于轧后带钢内部张应力分布、轧制力以及轧制扭矩的影响规律,进而定量分析与比较3种非对称轧制因素对于轧制过程中的力能参数和厚向张应力分布规律的影响程度. 仿真计算表明：3种非对称轧制状态都会导致轧后带钢厚向张应力分布的不对称;3种非对称轧制状态都会明显改变轧制过程力能参数大小;与相应对称轧制状态相比,有些非对称因素可以不同程度地降低轧制力和轧制扭矩. 轧制过程中的非对称因素从不同的角度来分析,是利弊共存的.     

Preset model of bending force for 6-high reversing cold rolling mill based on genetic algorithm

The hydraulic roll-bending device was studied, which was widely used in modern cold rolling mills to regulate the strip flatness. The loaded roll gap crown mathematic model and the strip crown mathematic model of the reversing cold rolling process were established, and the deformation model of roll stack system of the 6-high 1 250 mm high crown (HC) reversing cold rolling mill was built by slit beam method. The simulation results show that, the quadratic component of strip crown decreases nearly linearly with the increase of the work roll bending force, when the shifting value of intermediate roll is determined by the rolling process. From the first pass to the fifth pass of reversing rolling process, the crown controllability of bending force is gradually weakened. Base on analyzing the relationship among the main factors associated with roll-bending force in reversing multi-pass rolling, such as strip width and rolling force, a preset mathematic model of bending force is developed by genetic algorithm. The simulation data demonstrate that the relative deviation of flatness criterions in each rolling pass is improved significantly and the mean relative deviation of all five passes is decreased from 25.1% to 1.7%. The model can keep good shape in multi-pass reversing cold rolling process with the high prediction accuracy and can be used to guide the production process.     

中厚板精轧机轧制力预报综合模型研究

为提高中厚板精轧机轧制力的预报精度,建立了Sims公式简化式与人工神经网络相结合的轧制力预报综合模型。以3 000 mm中厚板精轧机实测数据为基础,用Sims公式简化式计算轧制力主值,利用MAT-LAB人工神经网络工具箱,建立BP神经网络模型预报轧制力的偏差值,用提前结束的方法来训练网络。模型的综合采用加法和乘法两种方式。结果表明,与单独采用Sims公式简化式相比,综合模型的预报精度提高很多,而且加法网络算法的预报效果比乘法网络算法更好。     

冷连轧过程控制中轧制力和前滑模型的综合自适应

为了提高冷连轧过程控制系统中轧制力模型的设定精度,提出了一种轧制力和前滑模型的综合自适应算法.通过建立综合自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,并采用Rosenbrock算法求解目标函数,可以同时得到满足轧制力模型和前滑模型计算精度的自适应系数.该模型自适应算法可成功应用于某1 450 mm冷连轧机组.结果表明,采用该模型的综合自适应算法后,轧制力设定精度显著提高,且满足在线控制要求.     

基于BP神经网络的教学质量评价

基于MATLAB设计神经网络评价流程,以3层BP神经网络进行教学质量评价,其中隐含层的传递函数为tansig,输出层的传递函数为purelin．为保证网络的泛化能力,在训练样本的选择上,选择比较有代表性的数据,打乱顺序,对数据进行归一化预处理;训练函数采用Levenberg—Marquardt算法,选择学习速率为0．01,网络训练误差为le^-5,训练次数1000次,步长选择为10．成功训练神经网络后,对给出的4组数据进行了预测,画出预测拟合及误差分析图形．结果表明：在设计BP神经网络模型的基础上,采用合理的样本数据,神经网络就会通过训练样本,学习到样本的有关环境本身的内在规律性,对输入给出正确的反应,以实现教师的教学质量评价．