基于EKF-RNN算法的抗震棒材性能预报模型研究

• 作者: 顾力平
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 扩展卡尔曼滤波 回归神经网络 系统辩识 抗震棒材 性能预报
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 先进制造技术
• 页码范围: 141-143
• 分类号: TH16|TP27
• 字数: 1685字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2011.11.055

摘要

以抗震棒材的C、Si、Mn、P四种化学元素及冷却速度、终轧温度为输入；抗拉强度、断面收缩率作为输出建立了热轧抗震棒材力学性能预报模型.提出了一种基于扩展卡尔曼滤波的回归神经网络权值训练算法(EKF-RNN),对抗震棒材性能预报模型进行权值训练.并与随机梯度法训练回归神经网络权值的算法进行比较,仿真结果表明,随机梯度法存在局部极小值、收敛速度慢,而扩张卡尔曼滤波算法很好地解决了这些问题,并得到了比较满意的结果,更具优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾力平	南通职业大学电子信息工程学院	14	312	6.0	14.0