基于PSO和神经网络的中厚板凸度预报模型辨识

• 作者: 姚小兰 王冬菊
• 来源期刊: 安徽师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 凸度 神经网络 粒子群算法 BP算法
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 物理与电子信息科学
• 页码范围: 33-35
• 页数: 3页
• 分类号: TP13
• 字数: 2041字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2443.2008.01.009

摘要

针对在钢板轧制过程中很难精确预报中厚板的凸度问题,将粒子群算法和神经网络用于辨识中厚板凸度预报模型.结合了神经网络和粒子群算法各自的优点,先采用三层神经网络建立神经网络预报模型,再利用粒子群算法对网络的权阀值进行训练.实验结果表明:相对于BP神经网络凸度预报模型,本文设计的PSO神经网络预报模型在收敛速度和预报精度上明显优于BP神经网络,具有精确性、收敛性和快速性等特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚小兰		23	100	6.0	9.0
2	王冬菊	安徽师范大学物理与电子信息学院	18	12	2.0	3.0