用BP神经网络预测热镀锌板的力学性能.pdfVIP

用BP 神经网络预测热镀锌板的力学性能 1 1 2 贺俊光，文九巴 ，李俊 (1.河南科技大学材料科学与工程学院,河南 洛阳 471003;2.宝钢冷轧厂,上海 200941) 摘要：运用 BP （Backpropagation）算法，建立了热镀锌各工艺参数对热镀锌板力学性能 影响的数学模型，并与线性回归模型相比较，结果显示，BP 算法预测均方根偏差明显比线 性回归预测均方根偏差小，表明该神经网络模型用于热镀锌板力学性能预测是可行的，并 具有一定的实用性和推广性。 关键词：热镀锌板；BP 算法；性能预测 中图分类号:TG335.22； 文献标识码:A Prediction Model of Properties on Hot Dip Galvanized Production by BP Neural Net Works 1 1 2 HE Jun-guang , WEN Jiu-ba , LI jun (1. College of Material Science and Engineering, Henan University of Science and Technology, Luoyang 471003; 2. Baosteel Cold Rolling Mill, shanghai china 200941 ) Abstract: A predictive model for mechanical properties of hot dip galvanized strip by BP artificial neural net was established, and the precision of forecasted data with that of the multi-variant linear regression model was compared. The result shows that the root-mean-square deviation of BP artificial neural networks less than that of multi-variant linear regression model, which proved the predictive model for mechanical properties performance of hot dip galvanized strip was feasible and effective, and it had a certain practical value and extended value. Key words: hot-dip galvanization strip; BP algorithm; Property prediction 1 引言 随着国内经济的发展,尤其是汽车、家电及建筑业的发展,对镀锌带钢的需求量也大大增 加[1]，用户对热镀锌板的质量提出了更高的要求。以往常采用统计回归的方法，建立产品的 性能与工艺参数间的定量关系，从而达到离线预测和在线控制的目的。然而，由于热镀锌本 身是一个非常复杂的非线性系统，而且生产过程又不断受到各种随机因素的干扰，这就为选 择合适的回归函数形式增加了难度，也就不可避免地会影响预测精度。 [2,3，4，5] 目前将人工神经网络用于各方面的预测的研究很多 ，但用于热镀锌板性能预测 的研究较少[6]，国内很少见报道。本文用BP 神经网络建立热镀锌板力学性能预测模型，结 果表明,其预测精度明显好于传统现行回归数学模型。 2 BP 人工神经网络模型与算法 BP 神经网络的学习算法属于广义δ学习规则，是一种有导师的