机械设计与制造
機械設計與製造
궤계설계여제조
MACHINERY DESIGN & MANUFACTURE
2011年
11期
141-143
,共3页
扩展卡尔曼滤波%回归神经网络%系统辩识%抗震棒材%性能预报
擴展卡爾曼濾波%迴歸神經網絡%繫統辯識%抗震棒材%性能預報
확전잡이만려파%회귀신경망락%계통변식%항진봉재%성능예보
以抗震棒材的C、Si、Mn、P四种化学元素及冷却速度、终轧温度为输入；抗拉强度、断面收缩率作为输出建立了热轧抗震棒材力学性能预报模型.提出了一种基于扩展卡尔曼滤波的回归神经网络权值训练算法(EKF-RNN),对抗震棒材性能预报模型进行权值训练.并与随机梯度法训练回归神经网络权值的算法进行比较,仿真结果表明,随机梯度法存在局部极小值、收敛速度慢,而扩张卡尔曼滤波算法很好地解决了这些问题,并得到了比较满意的结果,更具优越性.
以抗震棒材的C、Si、Mn、P四種化學元素及冷卻速度、終軋溫度為輸入；抗拉彊度、斷麵收縮率作為輸齣建立瞭熱軋抗震棒材力學性能預報模型.提齣瞭一種基于擴展卡爾曼濾波的迴歸神經網絡權值訓練算法(EKF-RNN),對抗震棒材性能預報模型進行權值訓練.併與隨機梯度法訓練迴歸神經網絡權值的算法進行比較,倣真結果錶明,隨機梯度法存在跼部極小值、收斂速度慢,而擴張卡爾曼濾波算法很好地解決瞭這些問題,併得到瞭比較滿意的結果,更具優越性.
이항진봉재적C、Si、Mn、P사충화학원소급냉각속도、종알온도위수입；항랍강도、단면수축솔작위수출건립료열알항진봉재역학성능예보모형.제출료일충기우확전잡이만려파적회귀신경망락권치훈련산법(EKF-RNN),대항진봉재성능예보모형진행권치훈련.병여수궤제도법훈련회귀신경망락권치적산법진행비교,방진결과표명,수궤제도법존재국부겁소치、수렴속도만,이확장잡이만려파산법흔호지해결료저사문제,병득도료비교만의적결과,경구우월성.
