基于GRA的PSO-BP神经网络斜轧穿孔管形预测北大核心CSCD |
| |
引用本文: | 王清华,加世滢,胡建华,双远华,赵铁琳.基于GRA的PSO-BP神经网络斜轧穿孔管形预测北大核心CSCD[J].锻压技术,2022(8):88-94. |
| |
作者姓名: | 王清华 加世滢 胡建华 双远华 赵铁琳 |
| |
作者单位: | 1.太原科技大学电子信息工程学院030024;2.太原科技大学材料科学与工程学院030024;3.太原重工股份有限公司技术中心030024; |
| |
基金项目: | 山西省科技重大专项(20191102009)。 |
| |
摘 要: | 针对斜轧穿孔中无缝钢管管形计算复杂且精度不高的缺陷,提出了基于灰色关联度分析(GRA)的PSO-BP神经网络管形预测模型。由于轧制过程中影响管形的因素较多,通过灰色关联度分析对工艺参数进行了相关性分析,选择相关度较高的影响因素作为输入;并使用粒子群优化算法对BP神经网络进行优化,确定了最佳的神经网络结构,构建了无缝钢管的斜轧穿孔管形预测模型。最后,应用现场数据对该模型进行了训练和测试,并将其与BP神经网络和传统数学模型进行了对比分析。研究结果表明:该预测模型的精度较高、可靠性较好,为提高无缝钢管的生产质量奠定了基础。
|
关 键 词: | 斜轧穿孔 管形预测 灰色关联度分析 粒子群优化算法 BP神经网络 |
本文献已被 维普 等数据库收录! |
|