基于PSO-BP神经网络双机架炉卷轧机轧制力的预测

• 作者: 尹丽琼 张果 杨俊东 杨奇 王剑平 王智
• 来源期刊: 钢铁研究
• 学科: 工学
• 关键词: 双机架炉卷轧机 粒子群 BP神经网络 轧制力
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 轧制与处理
• 页码范围: 23-26
• 页数: 4页
• 分类号: TP391.9
• 语种: 中文

摘要

为了有效预测双机架炉卷轧机的轧制力,使热轧板带材生产具有很好的可操作性,采用粒子群算法(PSO)优化BP神经网络,建立了往复式双机架炉卷轧机轧制力预测的智能模型.以某钢厂热轧产品Q195实测数据作为试验样本,并将粒子群算法优化的BP神经网络模型和标准BP网络模型分别用于轧制力预测,结果表明PSO-BP神经网络模型在预报精度上明显优于标准BP网络模型,并且PSO-BP神经网络模型预测轧制力的误差率控制在10 %以内.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张果	昆明理工大学信息工程与自动化学院	47	281	10.0	15.0
2	王剑平	昆明理工大学信息工程与自动化学院	59	352	11.0	16.0
3	杨俊东	云南大学信息学院	34	55	4.0	6.0
4	王智	昆明理工大学信息工程与自动化学院	5	4	1.0	2.0