基于RBF神经网络的金属应力状态系数模型

以4200 mm轧机轧制71块钢板的实测数据为基础,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以及网络的泛化能力.测试结果表明,RBF网络模型具有很好的推广能力.与传统的BP神经网络模型相比较,结果表明,RBF网络具有更高的精度和更好的泛化能力.

基于Elman网络的金属应力状态系数模型

以4200mm轧机轧制71块钢板的实测数据为基础,利用Matlab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、轧后厚度及轧辊直径对应关系的Elman神经网络预测模型。结果表明,Elman神经网络模型有较好的预测精度。

基于RBF网络的金属应力状态系数模型

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。

RBF神经网络在金属应力状态系数模型中的应用研究

以结构钢板的大量实测数据为基础,利用 MatLab 人工神经网络工具箱,建立了结构钢板变形区的应力状态系数与锻前、锻后厚度的 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 的实验调整,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。

基于神经网络的金属应力状态系数模型

以4200 mm轧机轧制71块钢板的实测数据为基础,利用Matlab神经网络工具箱,分别建立了轧制变形区的应力状态系数与轧前厚度、轧后厚度及轧辊直径对应关系的Elman神经网络预测模型和RBF神经网络预测模型。结果表明,所建立的两种网络模型均建立了金属应力状态系数输入和输出关系,RBF神经网络模型比Elman网络模型数据稳定,性能更优,实现了与实测结果的高度拟合。并得出不同轧辊直径对神经网络模型精度的影响规律,对轧制工艺规程的制定提出了合理建议。