根据热轧产品加工流程的多阶段特点,建立了高维多输入层遗传神经网络机械性能预报模型。该模型根据工艺流程发生顺序在前馈人工神经网络的某些隐含层上增添了输入节点,能够更好地模拟热连轧生产过程。同时,为避免标准BP(Back propagation)算法陷入局部极值点,采用了遗传算法对神经网络权值和闽值进行全局预处理,再利用标准BP算法进行训练,使两者优缺点相互补偿,从而得到全局最优解。最后,利用某钢铁企业的热轧产品实际生产数据对模型进行测试,预测结果满足偏差要求,且与经典BP神经网络及径向基函数神经网络相比较,具有更高的精度和稳定性。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !