基于ReLU激活函数的轧制力神经网络预报模型

摘要：

平整机轧制力的预报对轧制过程的优化控制有着重要意义.针对平整机轧制力预测精度不高的问题,提出采用ReLU (Rectified Linear Units)激活函数的神经网络模型来预报平整机的轧制力.在对数据进行主成分分析后,得到影响轧制力的主要因素,并将其作为神经网络的输入层,将平整机轧制力作为输出层,通过使用Python语言编程进行实验,对神经网络模型隐层的相关参数及算法进行单一变量筛选,建立了保证轧制力预报精度最高的神经网络模型.实验结果表明,通过调整隐层层数、神经元数、传播算法、正则化方法,该模型能够将预测误差控制在10％以内,且该实验方法能够对不同输入参数下的平整机轧制力进行精确预报.

关键词：轧制力、神经网络、ReLU、传播算法、正则化、平整机

所属期刊栏目：41

分类号：TF334.9(冶金机械、冶金生产自动化)

资助基金：河北省自然科学基金资助项目E2015402112

在线出版日期：2016-11-18（万方平台首次上网日期，不代表论文的发表时间）

页码：162-165