10.19476/j.ysxb.1004.0609.2018.10.14
基于深度网络训练的铝热轧轧制力预报
在铝热轧过程中,轧制力预报精度直接影响着成品的产量和质量.为了提高铝热连轧轧制力预报精度,提出一种基于深度学习方法的多层感知器(Multi-layer Perceptron,MLP)轧制力预报模型.模型利用MLP的函数逼近能力来回归轧制力.模型以小批量训练为基础,利用Batch Normalization方法稳定网络前向传播的输出分布,并使用Adam随机优化算法来完善梯度更新,以解决MLP模型难以训练的问题.仿真结果表明:模型使网络预测与实测数据的相对误差降低到3%以内,实现了轧制力的高精度预测.
铝热轧、轧制力预测、深度学习、多层神经网络、优化算法
28
TG339(金属压力加工)
河北省自然科学基金资助项目F2016203249
2018-12-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
2070-2076