【摘要】：神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)樣本的質(zhì)量影響著模型的預(yù)測(cè)精度;選擇有效的工藝參數(shù)進(jìn)行建模可以提高模型的訓(xùn)練速度,節(jié)省訓(xùn)練時(shí)間。針對(duì)數(shù)據(jù)樣本質(zhì)量和輸入工藝參數(shù)的選擇問題進(jìn)行了研究,采用了計(jì)算馬氏距離的方法剔除異常點(diǎn),改善數(shù)據(jù)樣本的質(zhì)量�；诓杉降臒彳埰嚧罅喊宓�17個(gè)工藝參數(shù)的生產(chǎn)數(shù)據(jù),采用貝葉斯神經(jīng)網(wǎng)絡(luò)建立力學(xué)性能預(yù)測(cè)模型。通過采用平均影響值篩選出對(duì)力學(xué)性能影響較大的工藝參數(shù)進(jìn)行建模,以簡(jiǎn)化模型。結(jié)果顯示:簡(jiǎn)化后的模型取得了較高的預(yù)測(cè)精度,對(duì)于抗拉強(qiáng)度和屈服強(qiáng)度,分別有96.64%和94.96%的數(shù)據(jù)預(yù)測(cè)值和實(shí)際值相對(duì)誤差在±6%以內(nèi);對(duì)于伸長(zhǎng)率,有96.64%的數(shù)據(jù)預(yù)測(cè)值和實(shí)際值的絕對(duì)誤差在±4%以內(nèi)。
[Abstract]:The quality of neural network data samples affects the prediction accuracy of the model, and the selection of effective process parameters for modeling can improve the training speed of the model and save the training time. The selection of data sample quality and input process parameters is studied. The method of calculating Markov distance is used to eliminate outliers and improve the quality of data samples. Based on the production data of 17 process parameters of hot rolled automobile beam and plate, a prediction model of mechanical properties is established by using Bayesian neural network (Bayesian neural network). In order to simplify the model, the process parameters which have great influence on mechanical properties are selected by using the average influence value. The results show that the simplified model has a high prediction accuracy. For tensile strength and yield strength, the relative error between the predicted and actual values is within 鹵6% for tensile strength and yield strength, respectively, while for elongation, the relative error is within 鹵6% for tensile strength and yield strength. The absolute error between the predicted value and the actual value of 96.64% data is within 鹵4%.
【作者單位】： 東北大學(xué)軋制及連軋自動(dòng)化國(guó)家重點(diǎn)實(shí)驗(yàn)室;鞍鋼股份有限公司第三煉鋼連軋廠;
【基金】：鋼鐵聯(lián)合基金重點(diǎn)資助項(xiàng)目(U1460204) 遼寧省自然科學(xué)基金資助項(xiàng)目(2015020180) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(N140704002)
【分類號(hào)】：TG335.11

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳殿華;;多邊形型面車削工藝參數(shù)的優(yōu)化設(shè)計(jì)[J];機(jī)械設(shè)計(jì)與制造;1992年05期

2 張俊生;張斌;王鳳崗;許世拯;徐慶國(guó);;復(fù)合材料連鑄連擠工藝參數(shù)的研究[J];大連鐵道學(xué)院學(xué)報(bào);1992年03期

3 楊明鼎;;護(hù)環(huán)變形強(qiáng)化工藝參數(shù)的試驗(yàn)研究[J];大型鑄鍛件;1980年02期

4 夏元英;王殿成;尚世南;王維春;鞠定國(guó);韓曄;韓云元;崔卓銘;;鋼包頂吹惰性氣體攪拌最佳工藝參數(shù)的研究[J];鞍山鋼鐵學(xué)院學(xué)報(bào);1984年02期

5 蔡光起;;修磨工藝參數(shù)對(duì)修磨生產(chǎn)率的影響[J];特殊鋼;1984年01期

6 劉珊中,李玉民,楊蘊(yùn)林;超塑焊工藝參數(shù)分析模型及優(yōu)化[J];拖拉機(jī)與農(nóng)用運(yùn)輸車;2002年03期

7 張亞民;3MZ1410A機(jī)床工藝調(diào)整的微機(jī)程序[J];軸承;1986年04期

8 陳學(xué)永,何允紀(jì),蔡蘭,何聰惠,王貴成;工藝參數(shù)對(duì)振動(dòng)攻絲加工影響的實(shí)驗(yàn)研究[J];江蘇理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年01期

9 馬利杰,王貴成;低頻振動(dòng)攻絲工藝參數(shù)的優(yōu)化[J];機(jī)械制造;2004年11期

10 鄭世安;王長(zhǎng)生;邵爾玉;祝要民;;薄層軟化工藝參數(shù)對(duì)表層Ar和K的影響[J];洛陽工學(xué)院學(xué)報(bào);1988年04期

相關(guān)會(huì)議論文 前3條

1 黃美東;孫超;林國(guó)強(qiáng);董闖;聞立時(shí);;工藝參數(shù)對(duì)電弧離子鍍膜過程中基體溫度的影響[A];首屆中國(guó)熱處理活動(dòng)周論文集[C];2002年

2 朱剛賢;張安峰;李滌塵;周志敏;;激光金屬直接制造中工藝參數(shù)對(duì)粉末利用率的模擬研究[A];陜西省機(jī)械工程學(xué)會(huì)第九次代表大會(huì)會(huì)議論文集[C];2009年

3 吳志剛;張銀懷;唐景篤;;手工TIG焊接方法在鋼鐵系統(tǒng)自動(dòng)化儀表安裝工程中的應(yīng)用[A];2013年2月建筑科技與管理學(xué)術(shù)交流會(huì)論文集[C];2013年

相關(guān)碩士學(xué)位論文 前7條

1 李董超;450mm拉彎矯機(jī)組工藝參數(shù)的研究及控制系統(tǒng)的開發(fā)[D];太原科技大學(xué);2015年

2 劉寶;激光相變硬化工藝參數(shù)自動(dòng)選擇模型及其程序開發(fā)[D];上海海事大學(xué);2005年

3 康少憐;變形工藝參數(shù)對(duì)TA2、TC4鈦合金組織性能影響的研究[D];沈陽航空航天大學(xué);2015年

4 陳金海;齒輪加工自動(dòng)生產(chǎn)線工藝參數(shù)決策支持系統(tǒng)設(shè)計(jì)與開發(fā)[D];重慶大學(xué);2014年

5 李鴻翔;不銹鋼管材推彎成形有限元模擬及實(shí)驗(yàn)研究[D];大連理工大學(xué);2015年

6 袁林江;激光輔助加熱溫度對(duì)顆粒沉積影響的數(shù)值模擬研究[D];浙江工業(yè)大學(xué);2012年

7 孫瑞環(huán);車軸快鍛精確成形工藝參數(shù)優(yōu)化與質(zhì)量控制研究[D];太原科技大學(xué);2014年

，

本文編號(hào)：2135566