BP神經(jīng)網(wǎng)絡(luò)在軋制力計(jì)算中的應(yīng)用.pdf

《BP神經(jīng)網(wǎng)絡(luò)在軋制力計(jì)算中的應(yīng)用.pdf》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、重型機(jī)械BP神經(jīng)網(wǎng)絡(luò)在軋制力計(jì)算中的應(yīng)用夏宇，趙團(tuán)民，郭軍(1．中國(guó)重型機(jī)械研究院股份公司，陜西西安710032；2．西安交通大學(xué)，陜西西安710049)摘要：針對(duì)傳統(tǒng)軋制力模型不能提供足夠精確的預(yù)報(bào)值問(wèn)題，采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)能夠提供了一個(gè)嶄新的建模工具，該技術(shù)有很多算法，本文利用不同算法的BP網(wǎng)絡(luò)對(duì)中國(guó)重型機(jī)械研究院設(shè)計(jì)的1450六輥冷軋機(jī)軋制壓力進(jìn)行了預(yù)報(bào)，結(jié)果顯示traingdx算法誤差較小，平均偏差為0．016，計(jì)算結(jié)果比較精確。關(guān)鍵詞：軋制力；神經(jīng)網(wǎng)絡(luò)；traingdx中圖分類(lèi)號(hào)：TG333．7文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001—196X(2013)05—001

2、1—03ApplicationofBPneuralnetworkinrollingforcepredictionXIAYu一，ZHAOTuan．min，GUOJun(1．ChinaNationalHeavyMachineryResearchInstituteCo．，Ltd．，Xi’an710032，China；2．Xi’anJiaotongUniversity，Xi’an710049，China)Abstract：Fortraditionalrollingmodelscantgivesuficientlyaccuratepredictionvalue，thetechniq

3、ueofBPneuralnetworkshasbeenprovidedasanewmodelingtoolwithmanyalgorithms．Inthispaper，therollingforceofa1450six—highstripcoldrollingmill，designedbyChinaNationalHeavyMachineryResearchInstitute，waspredictedbyvariousalgorithmsofBPnetwork．Resultsshowthatthetraingdxalgorithmhassmallererror，andit

4、saveragedeviationisonly0．016，SOthealgorithmismoreprecise．Keywords：roilingforce；neuralnetwork；traingdx力進(jìn)行計(jì)算分析。U日Ij舌人工神經(jīng)網(wǎng)絡(luò)是人類(lèi)在大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí)理人工神經(jīng)網(wǎng)絡(luò)是20世紀(jì)40年代來(lái)發(fā)展起解的基礎(chǔ)上，人工構(gòu)造的能夠?qū)崿F(xiàn)某些功能的神來(lái)的一門(mén)交叉學(xué)科，它以分布方式來(lái)存儲(chǔ)知經(jīng)網(wǎng)絡(luò)。它是理論化的人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模識(shí)，以并行方式進(jìn)行處理，具有強(qiáng)大的容錯(cuò)能型，是基于模擬大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能來(lái)建立力，而且還具有很好的自適應(yīng)和自學(xué)習(xí)功能，的一種信息處理系統(tǒng)，它事實(shí)上是由

5、大量的簡(jiǎn)單能用于逼近任意復(fù)雜的非線(xiàn)性系統(tǒng)，冷軋帶鋼元件相互連接形成的復(fù)雜網(wǎng)絡(luò)，能表現(xiàn)出復(fù)雜非軋制力的計(jì)算即屬于此類(lèi)問(wèn)題。軋制力的精確線(xiàn)性系統(tǒng)的特性，它可以處理一些環(huán)境信息復(fù)計(jì)算對(duì)制訂合理的軋制規(guī)程和提高產(chǎn)品質(zhì)量都雜、知識(shí)背景不清楚、推理規(guī)則尚不明確的有重要意義。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的一問(wèn)題。種重要類(lèi)型，本文將應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對(duì)軋制一般而言，人工神經(jīng)網(wǎng)絡(luò)和經(jīng)典計(jì)算方法相比并非在所有問(wèn)題上都顯得優(yōu)越，只有當(dāng)常規(guī)方收稿日期：2013—07—16；修訂日期：2013—08—01法解決不了或解決效果不佳時(shí)，人工神經(jīng)網(wǎng)絡(luò)方基金項(xiàng)目：西安市科技計(jì)劃項(xiàng)目可逆冷軋機(jī)過(guò)程自動(dòng)化控制及法

6、才能顯示出其優(yōu)越性。尤其對(duì)問(wèn)題的機(jī)理不甚厚度自動(dòng)控制系統(tǒng)(GXYI105)了解或不能用數(shù)學(xué)模型表示的系統(tǒng)，如故障診作者簡(jiǎn)介：夏宇(1981一)，男，中國(guó)重型機(jī)械研究院有限公司斷、特征提取和預(yù)測(cè)等問(wèn)題，人工神經(jīng)網(wǎng)絡(luò)往往工程師，西安交通大學(xué)在職研究生，主要從事板帶軋制設(shè)備的研究、開(kāi)發(fā)和推廣工作。是最有利的工具。另一方面，人工神經(jīng)網(wǎng)絡(luò)對(duì)處·l2·重型機(jī)械理大量原始數(shù)據(jù)而不能用規(guī)則或公式描述的問(wèn)輸入層節(jié)點(diǎn)數(shù)為3，隱含層節(jié)點(diǎn)數(shù)為8，輸出層題，表現(xiàn)出極大的靈活性和自適應(yīng)性。節(jié)點(diǎn)數(shù)為1。幾十年來(lái)，提出了軋制力的計(jì)算的許多數(shù)學(xué)傳遞函數(shù)又稱(chēng)激活函數(shù)，是BP神經(jīng)網(wǎng)絡(luò)的模型和經(jīng)驗(yàn)公式，但這些計(jì)

7、算公式中的參數(shù)如摩重要組成部分，它必須是連續(xù)可微調(diào)的，BP神擦系數(shù)和變形抗力很難精確的測(cè)定，同時(shí)經(jīng)過(guò)驗(yàn)經(jīng)網(wǎng)絡(luò)常采用S型的對(duì)數(shù)或正切函數(shù)和線(xiàn)性函證，公式只有在某些道次中的計(jì)算誤差較小，某數(shù)。在本文中，輸入層到隱含層的激活函數(shù)選用些道次中的誤差極大，這說(shuō)明數(shù)學(xué)模型對(duì)軋制過(guò)tansig正切函數(shù)，隱含層到輸出層的激活函數(shù)選程的描述是不全面，有缺陷的。另一方面，通過(guò)用pureline線(xiàn)性函數(shù)。工廠(chǎng)的實(shí)際生產(chǎn)積累了大量的實(shí)測(cè)數(shù)據(jù)，這些實(shí)學(xué)習(xí)速率決定每一次循環(huán)訓(xùn)練中所產(chǎn)生的權(quán)測(cè)數(shù)據(jù)需要通過(guò)良好的方法加以分析，提取出有值變化量。大的學(xué)習(xí)速率可