典型文献
基于卷积神经网络的热轧薄板力学性能建模
文献摘要：
目的 为了提高热轧薄板力学性能的预测精度,采用大数据与卷积神经网络相结合的方式建立高精度的预测模型.方法 建模前,对工业大数据进行预处理,包括去除异常值、聚类、均衡数据以及归一化,以得到高质量的数据集.同时,采用贡献权重法对输入参数进行筛选,去除弱相关的变量以降低模型的复杂程度.在此基础上,采用LeNet-5结构建立卷积神经网络并优化模型的超参数.结果 最终建立了热轧薄板力学性能预测模型,该模型对屈服强度的预测误差基本保持在?7％～8.5％,对抗拉强度的预测误差基本保持在?5％～6％,表现出较高的预测精度.结论 将卷积神经网络模型与传统的BP神经网络模型进行了预测对比,发现卷积神经网络能够利用其局部连接的优势给出更高的预测精度.
文献关键词：
热轧;薄板;卷积神经网络;大数据;力学性能
中图分类号：
作者姓名：
章顺虎;车立志;田文皓;李言
作者机构：
苏州大学 沙钢钢铁学院,江苏 苏州 215021
文献出处：
引用格式：
[1]章顺虎;车立志;田文皓;李言-.基于卷积神经网络的热轧薄板力学性能建模)[J].精密成形工程,2022(03):1-7
A类：
B类：
热轧,薄板,性能建模,高热,工业大数据,异常值,权重法,输入参数,复杂程度,LeNet,立卷,超参数,力学性能预测模型,屈服强度,预测误差,抗拉强度,卷积神经网络模型,局部连接
AB值：
0.281468
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
