-
题名基于GA-BP神经网络与敏感性分析的带钢厚度预测
被引量:5
- 1
-
-
作者
吴倩
唐秋华
李维刚
张利平
-
机构
武汉科技大学冶金装备及其控制教育部重点实验室
武汉科技大学机械传动与制造工程湖北省重点实验室
武汉科技大学信息科学与工程学院
-
出处
《武汉科技大学学报》
CAS
北大核心
2018年第1期32-36,共5页
-
基金
国家自然科学基金资助项目(51275366
51305311
50875190)
-
文摘
为提高带钢厚度预测精度,构建了融合GA-BP神经网络和敏感性分析的T-GA-BP预测模型。首先通过循环迭代方式确定较优的BP神经网络隐含层的层数与节点数,再采用遗传算法对BP网络的权阈值进行优化。在此基础上,利用Tchaban算法进行敏感性分析,研究输入层中各工艺参数对带钢厚度的影响程度,筛选出重要参数作为新的输入样本来训练T-GA-BP神经网络模型,以降低网络复杂度。采用实际生产数据进行测试,结果表明,T-GA-BP模型的带钢厚度预测精度要高于BP、GA-BP、RBF、Elman神经网络等其他优化模型。同时,工艺参数敏感性分析结果可为轧制工艺调控方案的制定提供参考。
-
关键词
带钢
厚度预测
GA-BP神经网络
遗传算法
tchaban算法
敏感性分析
-
Keywords
strip steel
thickness prediction
GA-BP neural network
genetic algorithm
tchaban algorithm
sensitivity analysis
-
分类号
TG334.93
[金属学及工艺—金属压力加工]
TP273.3
[自动化与计算机技术—检测技术与自动化装置]
-