基于BP神经网络的冷轧带钢的力学性能预测.pdfVIP

基于BP神经网络的冷轧带钢的力学性能预测.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
金属学与金属工艺

维普资讯 No.3 《重型机械科技》 September2006 HEAVY MACHINERY SCIENCE AND TECHN0L0GY 基于BP神经网络的 冷轧带钢的力学性能预测 侍红岩 廖湘辉 朱颖杰 (1.内蒙古民族大学,内蒙古028200;2.重庆钢铁集团公司,重庆400081) 摘要 :利用BP神经网络的方法预测SPCC冷轧带钢产品力学性能并以现场得到的化学成分(C、Si、Mn、P、 S、A1)和工艺参数(退火温度、轧制速度)正交试验数据为基础,采用离线学习的方法得出网络的预报值。 关键词:BP神经网络;冷轧带钢;化学成分 ;工艺参数;预测模型 中图分类号:TGll3.25 文献标识码:B ThePredictionoftheMechanicalPropertyfor ColdRolledStripSteelwithBPNeuralNetwork ShiHongyan,LiaoXianghui,ZhuYingjie Abstract:ByadoptingthemethodofBPneuralnetwork,themechanicalpropertyforSPCCcoldrolledstrip steelproductshasbeenpredicted,andbasedonthedataobtainedfrom orthogonalexperimentsofchemicalcom— position(C,Si,Mn,P,S,A1)andprocessparameter(annealingtemperatureandrollingspeed),thepredic- fionvalueforthenetworkhasbeenobtainedbymeansoftheofblinestudyingmethodaswel1. Keywords:BPneuralnetwork;coldrolledstripsteel;chemicalcomposition;processparameter;prediction mode1 . 一 一 中,取得了很好的效果。 2 BP神经网络力学性能模型的建立 目前我国在冷轧带钢的力学性能检测方面还 远跟不上现代化要求。如果能解决这一问题将对 2.1 神经网络结构的选择原则[5] 提高生产效率以及产品质量都有举足轻重的作 冷轧带钢的力学性能预测实质是找到生产工 用 。 艺参数和力学性能的非线性映射关系。由于各工 人工神经网络具有信息存储与处理的功能, 艺参数为连续变化的采集数据,故输入单元能接 并且以大规模模拟计算为主,善于联想、概括、类 受这样的采集数据,而通过检验所得的力学性能 比和推广,而且还有很强的自学能力[1]。目前,在 与工艺参数、化学成分一一对应数据可供模型提 工艺中应用最广泛的是具有多层前馈网络结构且 供训练。 采用反向传播训练方法的BP模型和它的变形形 利用BP网络的基本原理,构造 SPCC冷轧 式。近年来,人工神经网络理论的研究取得了较 带钢力学性能预测神经网络模型。把化学成分 大的进展,已有很多学者利用 BP神经网络研究 (C、Si、Mn、P、S、A1)和工艺参数 (退火温度、轧制 了冷轧板形高精度控制技术[2],轧制力预报模 速度)作为输入量;将抗拉强度、延伸率、硬度作为 型 以及冷轧板厚度的测定[4等等问题。但对于 输出量 ,构造了冷轧带钢力学性能预报模型,利用

文档评论(0)

fengbing + 关注
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档