广西师范大学学报（自然科学版） ›› 2010, Vol. 28 ›› Issue (3): 182-186.

• • 上一篇    下一篇

基于径向基函数神经网络的热轧产品性能预测

马文博, 吴斌, 朱天, 杨娟   

  1. 北京邮电大学北京市智能通信软件与多媒体重点实验室,北京100876
  • 收稿日期:2010-04-20 出版日期:2010-09-20 发布日期:2023-02-06
  • 通讯作者: 吴斌(1969—),男,湖南株洲人,北京邮电大学教授,博士。E-mail:wubin@bupt.edu.cn
  • 基金资助:
    国家自然科学基金资助项目(90924029,10761007);国家重点科技研究发展计划(2006BAH03B05);国家高技术研究发展计划(2009AA04Z136)

Predict Mechanical Properties of Hot-Rolling Steel by Using RBF Neural Network

MA Wen-bo, WU Bin, ZHU Tian, YANG Juan   

  1. Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia,Beijing University of Posts and Telecommunications,Beijing 100876,China
  • Received:2010-04-20 Online:2010-09-20 Published:2023-02-06

摘要： 针对热连轧带钢生产过程中钢材内部一系列复杂的相变与物理变化以及涉及到的海量数据,可利用数据挖掘基本方法建立模型,提取规则,实现热连轧带钢生产的性能预测与评价功能。本文使用径向基函数神经网络建立模型,实现热轧产品性能预测。径向基函数神经网络在逼近能力、学习速度等方面都优于传统BP神经网络,本文将根据二者网络结构说明径向基函数神经网络的优越性。

关键词: 热连轧带钢, 径向基函数神经网络, BP神经网络

Abstract: Because of the complex series of phase and physical change,as well as large amounts of data in hot rolling of steel strip production process,the basic method of data mining can be used to model,extract rules and achieve the performance prediction and function evaluation of hot rolling strip production.The article uses radial basis function (RBF) neural network to model,and implement the performance prediction of hot rolling strip production.The RBF neural network is better than the traditional BP neural network when considering approximation capabilities,learning rate and so on.This paper shows the superiority of RBF neural network according to the network structures of RBF and BP.

Key words: hot rolling steel, radial basis function neural network, BP neural network

中图分类号: 

  • TP301
[1] 赵书军,梅燕,王蓉.一种基于粗集理论的BP神经网络加速算法[J].四川师范大学学报:自然科学版,2002,25(5):479-483.
[2] 余华,曹亮,李启元.BP神经网络算法的改进及其在手写体汉字识别中的应用[J].江西师范大学学报:自然科学版,2009,33(5):598-603.
[3] SAXEN H,PETTERSSON F.A data mining method applied to a metallurgical process[C]//Proceedings of the 2007 IEEE Symposium on Computational Intelligenceand Data Mining.Honolulu,HI:IEEE,2007:368-375.
[4] 贾涛,刘振宇,胡恒法,等.基于贝叶斯神经网络的SPA-H热轧板力学性能预测[J].东北大学学报:自然科学版,2008,29(4):521-524.
[5] 邢进生,万百五.两阶段混合算法及其在热轧数据建模中的应用[J].西安交通大学学报,2000,34(12):105-107.
[6] 王继成,黄源,武港山,等.一种两阶段的神经网络属性选择方法[J].广西师范大学学报:自然科学版,2003,21(1):41.
[7] 邢进生,刘人境,汪应洛,等.基于加工工序的高维多输入层神经网络及应用[J].系统工程理论与实践,2004,24(2):63-67.
[8] MOODY J,DARKEN C J.Fast learning in networks of locally turned processing units[J].Neural Computation,1989,1(2):281-294.
[9] CHEN S,COWAN C F N,GRANT P M.Orthogonal least squares learningalgorithmfor radial basis function networks[J].IEEE Transactions on Neural Networks,1991,2(2):302-309.
[10] 张莉,姜浩,蒲安建.基于广义径向基函数的神经网络分类预测[J].计算机技术与发展,2009,19(3):106-109.
[1] 田晟, 李成伟, 黄伟, 王蕾. 疫情下基于GC-rBPNN模型的公路货运量预测方法[J]. 广西师范大学学报（自然科学版）, 2021, 39(6): 24-32.
[2] 刘欣, 罗晓曙, 赵书林. 基于BP神经网络的三轴增稳云台自抗扰控制[J]. 广西师范大学学报（自然科学版）, 2020, 38(2): 115-120.
[3] 许伦辉, 陈凯勋. 基于改进萤火虫算法优化BP神经网络的路网速度分布预测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 1-8.
[4] 钟海鑫, 丘森辉, 罗晓曙, 唐堂, 杨力, 赵帅. 基于附加惯性项BP神经网络的四旋翼无人机姿态控制研究[J]. 广西师范大学学报（自然科学版）, 2017, 35(2): 24-31.
[5] 彭新建,翁小雄. 基于萤火虫算法优化BP神经网络的公交行程时间预测[J]. 广西师范大学学报（自然科学版）, 2017, 35(1): 28-36.
[6] 陈锦, 罗晓曙. 基于小波变换与野草算法的细胞图像特征提取与识别[J]. 广西师范大学学报（自然科学版）, 2015, 33(2): 22-28.
[7] 黄晶, 罗晓曙. 神经网络在输电线覆冰增长因素中的应用[J]. 广西师范大学学报（自然科学版）, 2011, 29(4): 25-27.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发