基于结构自组织ELM的铝热连轧轧制力预测
DOI:
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

国家自然科学基金资助项目(61702185); 河南省高等学校青年骨干教师培养计划项目资助(2017GGJS270); 河南省高等学校重点科研项目计划(19B520014)


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    轧制力在铝热连轧中起着重要作用,针对热轧过程中的非线性、参数强耦合性等因素使得其难以建模的问题.本文提出一种具有拓扑结构自组织的极限学习机(Topology Self-Organizing Extreme learning machine, TSO-ELM)算法,解决了ELM的结构设计问题,实现了结构和参数的自组织.根据现场数据,使用TSO-ELM算法进行铝热连轧轧制力预测,结果表明该算法与人工蜂群算法优化反向传播神经网络(Artificial bee colony algorithm optimized Back-propagation neural network, ABC-BP)和增强型增量极限学习机(Enhanced random search based incremental extreme learning machine, EI-ELM)算法对比,其训练速度和精度都得到了一定的提高.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

刘悦,崔丹丹*.基于结构自组织ELM的铝热连轧轧制力预测[J].湖南科技大学学报(自然科学版),2020,35(1):77-82

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2020-04-02