《表1 BP神经网络五种算法误差》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工神经网络预测轧制力在铜带冷轧机中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文的样本数据来源于安徽楚江600mm四辊铜带粗轧机四个轧程工艺数据，预先对轧制工艺数据进行筛选，使BP网络输入层只包含强制屈服极限、入口厚度、出口厚度、铜带宽度、轧辊半径这五个输入条件也是对研究对象影响最大的因素，排除掉其他干扰因素之后，输出层只包含本文的研究对象即轧制力。通过对轧制工艺数据的学习来对以外的工艺样本数据进行预报，BP神经网络预测轧制力与实测轧制力的误差如表1所示。从表1可以看出，traincgf平均误差最小，平均误差为4.6%，最大的道次误差为9.4%，均显著小于理论公式的计算误差。