首页   冶金自动化杂志   新闻中心   自动化信息网   冶金计量协会   杂志广告   厂商信息   自动化论坛   计控自动化对标
期刊介绍
期刊荣誉
编委会
征稿启事
作者须知
文章模板
在线杂志
当前位置:冶金自动化杂志 ->  在线杂志
期刊年份   期号   关键字   
基于Keras深度学习框架下BP神经网络的热轧带钢力学性能预测
文章作者:马湧等
出处: 冶金自动化2019年第2期
作者单位: 冶金自动化研究设计院混合流程工业自动化系统及装备技术国家重点实验室
参考文献:
关键词:热轧带钢;力学性能;主成分分析;Keras深度学习框架;BP神经网络
摘要:研究了Keras深度学习框架下的BP神经网络在热轧带钢力学性能预测中的应用。首先采用主成分分析PCA对原始数据进行降维,再利用Keras深度学习框架下优化函数及参数对BP神经网络进行优化,最终建立原始化学成分和热轧生产工艺参数与带钢力学性能之间的关系。验证结果表明,模型取得了较高的预测精度,对于抗拉强度,预测值与实际值的相对误差绝对值在10%以内的样本占比93.4%;对于屈服强度,预测值与实际值的相对误差绝对值在10%以内的样本占比92.1%;对于伸长率,预测值与实际值的相对误差绝对值在10%以内的样本占比90.5%。因此,通过验证,预测结果对热轧现场具有较好的指导意义。
正文:正文下载
版权所有 © 2006 《冶金自动化》编辑部 新鸿儒承制
地址:北京海淀区学院南路76号南院 电话:010-62181013 传真:010-62181013 E-mail:mia@yjzdh.com
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:010-62662699,E-mail:support@magtech.com.cn
冶金自动化研究设计院《冶金自动化》杂志社 京ICP备09114784号