基于卷积神经网络的热轧带钢力学性能预报

• 作者: 李维刚 杨威 胡石雄
• 来源期刊: 武汉科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 热轧带钢 力学性能预报 卷积神经网络 LeNet-5 GoogLeNet
• 年，卷（期）: 2018,（5）
• 页码范围: 338-344
• 页数: 7页
• 分类号: TG335.5
• 字数: 3516字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3644.2018.05.004

摘要

为解决热轧带钢力学性能预报精度的问题,本文提出了一种将一雏数值型数据转换为二维图像型数据的建模方法,基于LeNet-5和GoogLeNet卷积神经网络,构建了一种新型的热轧带钢力学性能预报模型,并利用实际生产数据对模型的适用性进行了测试.结果表明,所建模型的抗拉强度预报误差为2.49％,均方根误差为19.15 MPa,预测精度高于BP神经网络和单独的LeNet-5和GoogleNet卷积神经网络模型,所建模型的有效性和准确性均得到了验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李维刚	武汉科技大学冶金自动化与检测技术教育部工程研究中心	32	61	4.0	6.0
5	杨威	武汉科技大学冶金自动化与检测技术教育部工程研究中心	20	78	5.0	8.0
6	胡石雄	武汉科技大学冶金自动化与检测技术教育部工程研究中心	2	6	2.0	2.0