共 2 条
结合模型自学习的BP神经元网络的轧制力预报
被引：16
作者：
胡贤磊
王昭东
于解民
刘相华
机构：
[1] 东北大学轧制技术及连轧自动化国家重点实验室
[2] 宝山钢铁集团公司
[3] 东北大学轧制技术及连轧自动化国家重点实验室 辽宁沈阳
[4] 辽宁沈阳
[5] 上海
来源：
关键词：
轧制力;
自学习;
BP神经元网络;
遗传系数;
人工智能;
D O I：
暂无
中图分类号：
TG334.9 [轧制自动化];
学科分类号：
080201 ;
080503 ;
摘要：
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·
引用
收藏
页码：1089 / 1092
页数：4
相关论文