微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2009年
15期
187-188,135
,共3页
应力状态影响系数%RBF神经网络%预测
應力狀態影響繫數%RBF神經網絡%預測
응력상태영향계수%RBF신경망락%예측
以4200轧机轧制的大量实测数据为基础,利用Matlab人工神经网络工具箱,建立了轧制变形区的应力状态系数与轧前厚度、轧后厚度的RBF神经网络预测模型.通过分析应力状态系数的影响因素,结合传统的数学模型,确立了网络的输入层参数,并对函数newrb()中宽度系数spread的试验调整,确定了最佳的网络结构形式,提高了模型的预测精度,并与BP和Elman神经网络模型相比较,结果表明,RBF神经网络能更好地适用于金属应力状态系数模型.
以4200軋機軋製的大量實測數據為基礎,利用Matlab人工神經網絡工具箱,建立瞭軋製變形區的應力狀態繫數與軋前厚度、軋後厚度的RBF神經網絡預測模型.通過分析應力狀態繫數的影響因素,結閤傳統的數學模型,確立瞭網絡的輸入層參數,併對函數newrb()中寬度繫數spread的試驗調整,確定瞭最佳的網絡結構形式,提高瞭模型的預測精度,併與BP和Elman神經網絡模型相比較,結果錶明,RBF神經網絡能更好地適用于金屬應力狀態繫數模型.
이4200알궤알제적대량실측수거위기출,이용Matlab인공신경망락공구상,건립료알제변형구적응력상태계수여알전후도、알후후도적RBF신경망락예측모형.통과분석응력상태계수적영향인소,결합전통적수학모형,학립료망락적수입층삼수,병대함수newrb()중관도계수spread적시험조정,학정료최가적망락결구형식,제고료모형적예측정도,병여BP화Elman신경망락모형상비교,결과표명,RBF신경망락능경호지괄용우금속응력상태계수모형.
