| 基于DBN-BP深度算法的热轧板带横断面预测 | |
| 所属分类：技术论文 | |
| 上传者：aetmagazine | |
| 文档大小：648 K | |
| 标签： 热轧 深度学习 板带厚度预测 | |
| 所需积分：0分积分不够怎么办？ | |
| 文档介绍：随着各工业领域的快速发展，市场对薄规格、高强度板带产品的需求快速增加。而热轧板带横断面形状是热轧板带产品质量的主要评价指标。基于数据挖掘技术，对轧机数据库中的数据进行分析与处理，其中数据挖掘技术采用深度置信网络(Deep Belief Neural，DBN)和BP(Back Propagation)算法相结合，构建板带横向厚度分布的预测模型。DBN-BP算法由多个限制玻尔兹曼网络(Restricted Botlzmann Machine，RBM)逐层堆叠而成，并使用无监督的逐层训练的方式得到网络的权值矩阵和偏置供BP算法使用，而BP算法通过误差反向传播的方式对整个网络进行微调。该方法克服了BP算法因随机初始化权值参数而陷入局部最优和训练时间长的缺点。通过与BP算法相比较可知，采用DBN-BP方法预测终轧道次稳定轧制时板带中点厚度误差在±5.6 μm范围内的概率可达95%；而BP算法的预测误差范围为±11 μm。并且通过对板带横断面形状的预测结果分析可知，相比于BP算法，DBN-BP深度学习方法对于板带边部厚度的预测更具有优势。 | |
| 现在下载 | |
| VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。 | |
Copyright © 2005-2020 《电子技术应用》版权所有 京ICP备10017138号-2