为提高轧制过程轧制力预报精度,建立了将轧制接触面积由几何关系确定,将影响因素复杂的轧制单位压力通过RBF神经网络预测模型.为适应工况的改变,提出了一种在线动态调整算法,利用新的测试数据对网络进行重新训练,使模型能够调整结构及网络参数,从而使最终设计的网络具有最佳结构.试验研究证明,所设计模型具有良好的适应能力,提高了轧制力的预报精度.
参考文献
| [1] | 孙一康.带钢冷连轧机计算机控制[M].北京:冶金工业出版社,2002 |
| [2] | 孙登月,杜凤山,朱泉封,周坚刚.五机架冷连轧机轧制力人工神经网络预报[J].钢铁,2002(02):28-30,34. |
| [3] | 董敏,刘才,李灵锋.RBF网络优化设计及在轧机轧制力预报中的应用[J].钢铁,2005(11):34-36,61. |
| [4] | Sherstinsky A.;Picard R.W. .On the efficiency of the orthogonal least squares training method for radial basis function networks[J].IEEE Transactions on Neural Networks,1996(1):195-200. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%