《表1 BP神经网络五种算法误差》
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。
图表编号 | XD0059694600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.25 |
作者 | 夏宇、苏旭涛 |
绘制单位 | 中国重型机械研究院股份公司、中国重型机械研究院股份公司 |
更多格式 | 高清、无水印(增值服务) |