典型文献
深度神经网络轧制力建模及其并行优化研究
文献摘要：
冷连轧过程控制的轧制力模型是整个轧制过程计算机控制的基础.为提高5机架2030冷连轧系统轧制力模型的精度和适用性,提出了多输入多输出深度神经网络轧制力模型的数据预处理、建模和并行优化方法.对含有不同隐含层数和节点数的神经网络,采用不同训练算法(SCG算法和L-M算法)与不同优化方法(多线程CPU、单GPU和多线程CPU+GPU),研究了神经网络结构、训练算法和优化方法对神经网络轧制力模型的性能、训练时长、线性相关系数的影响.研究结果表明:含有2个隐含层、采用L-M算法和多线程CPU优化方法可获得综合性能最优的神经网络轧制力模型;神经网络轧制力模型的计算误差远小于在线使用的Siemens轧制力模型的计算误差.
文献关键词：
深度神经网络轧制力模型;L-M算法;SCG算法;并行优化;轧制力模型
中图分类号：
作者姓名：
刘翰培;汪宇轩;王亚琴;罗小川
作者机构：
东北大学计算机科学与工程学院,辽宁沈阳110819;东北大学材料科学与工程学院,辽宁沈阳110819;东北大学信息科学与工程学院,辽宁沈阳110819
文献出处：
引用格式：
[1]刘翰培;汪宇轩;王亚琴;罗小川-.深度神经网络轧制力建模及其并行优化研究)[J].控制工程,2022(08):1379-1386
A类：
深度神经网络轧制力模型
B类：
并行优化,冷连轧,过程控制,轧制过程,计算机控制,机架,多输入多输出,数据预处理,隐含层,层数,训练算法,SCG,多线程,CPU+GPU,神经网络结构,线性相关系数,计算误差,差远,Siemens
AB值：
0.187589
相似文献
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。
