|
|||||
|
|
| 基于机器学习的拉矫延伸率预测模型及数值分析 | |
| 作者姓名： | 陈兵 韩烬阳 唐晓垒 夏搏然 |
| 作者单位： | (北京科技大学 机械工程学院, 北京100083) |
| 基金项目： | 中央高校基本科研业务费专项资金资助项目(FRF-GF-19-009B). |
| 摘 要： | 在冷轧弯曲矫直过程中,针对拉矫机工艺参数设置问题,利用经验公式、有限元仿真建立的延伸率模型预测精度不高.为提高预测精度,基于传统解析模型与机器学习算法进行研究,比较了两种方法预测模型的精度,得到机器学习算法的延伸率预测模型要比数值解析模型的拟合优度高.比较BP神经网络算法和支持向量机(SVM)算法,得到两种机器学习算法的预测模型精度基本一致.为进一步提高预测精度,采用Adam算法对BP神经网络进行优化,采用遗传算法对SVM预测模型的参数进行优化,最终得到最优预测模型的均值绝对百分比误差MAPE以及拟合优度R○2分别为13.4%和0.953,可以为实际生产提供技术指导. |
| 关 键 词： | 支持向量机 BP神经网络 延伸率 预测模型优化 冷轧薄板, |
| 修稿时间： | 2021-05-31 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《东北大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《东北大学学报(自然科学版)》下载全文 | |
