首页|轧机轧制力的改进训练策略深度神经网络预测

轧机轧制力的改进训练策略深度神经网络预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提高双机架炉卷轧机的轧制力预测精度,提出了具有快速而高效训练策略的深度神经网络预测方法.介绍了双机架炉卷轧机的工作原理,分析了轧制力影响参数.在深度神经网络基础上,使用随机小批量的样本选取法,提高深度神经网络训练速度;提出自适应矩估计梯度优化算法,用于解决传统训练方法陷入局部极值的问题,从而给出了改进训练策略的深度神经网络轧制力预测方法.经轧制实验验证,改进深度神经网络的训练时间为226.15s,而传统网络的训练时间为862.93s;改进网络的预测误差绝大部分控制在3％以内,而传统网络的预测误差绝大部分控制在5％以内.以上数据表明,改进深度神经网络的训练速度和预测精度均远优于传统深度神经网络.
Rolling Force Prediction Based on Improved Training Strategy Deep Neutral Network

于飞、于博

展开 >

辽源职业技术学院机电工程学院,吉林 辽源 136200

长春工程学院机电工程学院,吉林 长春 130012

深度神经网络 轧制力预测 自适应矩估计梯度优化 随机小批量梯度下降法

吉林省教育厅科技项目(十三五)

JJKH20191248KJ

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.383(1)
  • 9