基于DBN-BP深度算法的熱軋板帶橫斷面預測
所屬分類：技術論文
上傳者：aetmagazine
文檔大?。?span>648 K
標簽： 熱軋 深度學習 板帶厚度預測
所需積分：0分積分不夠怎么辦,？
文檔介紹：隨著各工業(yè)領域的快速發(fā)展，市場對薄規(guī)格,、高強度板帶產品的需求快速增加,。而熱軋板帶橫斷面形狀是熱軋板帶產品質量的主要評價指標,?；跀?shù)據(jù)挖掘技術，對軋機數(shù)據(jù)庫中的數(shù)據(jù)進行分析與處理,，其中數(shù)據(jù)挖掘技術采用深度置信網絡(Deep Belief Neural,，DBN)和BP(Back Propagation)算法相結合，構建板帶橫向厚度分布的預測模型,。DBN-BP算法由多個限制玻爾茲曼網絡(Restricted Botlzmann Machine,，RBM)逐層堆疊而成，并使用無監(jiān)督的逐層訓練的方式得到網絡的權值矩陣和偏置供BP算法使用,，而BP算法通過誤差反向傳播的方式對整個網絡進行微調。該方法克服了BP算法因隨機初始化權值參數(shù)而陷入局部最優(yōu)和訓練時間長的缺點,。通過與BP算法相比較可知,，采用DBN-BP方法預測終軋道次穩(wěn)定軋制時板帶中點厚度誤差在±5.6 μm范圍內的概率可達95%；而BP算法的預測誤差范圍為±11 μm,。并且通過對板帶橫斷面形狀的預測結果分析可知,，相比于BP算法，DBN-BP深度學習方法對于板帶邊部厚度的預測更具有優(yōu)勢,。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分；重復下載不扣分,，本人上傳資源不扣分,。