热连轧轧制力贝叶斯神经网络预测与模型优化

摘要：

采用贝叶斯神经网络预测精轧轧制力,从实测数据中抽取出700组数据作为样本集,其中610组数据作为训练样本,用于网络模型的训练,剩余的90组数据作为测试样本.选取C、Si、Cu、Mn含量,轧件出口厚度,入口厚度,轧件宽度,轧制时间,压下率以及轧制温度作为输入层神经元数,轧制力为输出层神经元.贝叶斯网络轧制力预测误差基本分布在[-200,200],比传统计算误差大为减小.采用乘法网络进行轧制力的预测模型优化,优化后预测误差为正态分布,误差基本分布在-4％ ～6％,误差为0的样本数能达到20％,误差在±2％之内的样本数能达到70％,预测精度比加法网络稍有改善,比传统网络预测精度大幅提高.

关键词：热连轧机组、轧制力预测、神经网络、贝叶斯网络、标准差、模型优化

所属期刊栏目：43

分类号：TG335.13(金属压力加工)

在线出版日期：2018-01-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：42-48