典型文献
基于GRA的PSO-BP神经网络斜轧穿孔管形预测
文献摘要：
针对斜轧穿孔中无缝钢管管形计算复杂且精度不高的缺陷,提出了基于灰色关联度分析(GRA)的PSO-BP神经网络管形预测模型.由于轧制过程中影响管形的因素较多,通过灰色关联度分析对工艺参数进行了相关性分析,选择相关度较高的影响因素作为输入;并使用粒子群优化算法对BP神经网络进行优化,确定了最佳的神经网络结构,构建了无缝钢管的斜轧穿孔管形预测模型.最后,应用现场数据对该模型进行了训练和测试,并将其与BP神经网络和传统数学模型进行了对比分析.研究结果表明:该预测模型的精度较高、可靠性较好,为提高无缝钢管的生产质量奠定了基础.
文献关键词：
斜轧穿孔;管形预测;灰色关联度分析;粒子群优化算法;BP神经网络
中图分类号：
作者姓名：
王清华;加世滢;胡建华;双远华;赵铁琳
作者机构：
太原科技大学电子信息工程学院, 山西太原 030024;太原科技大学材料科学与工程学院, 山西太原 030024;太原重工股份有限公司技术中心, 山西太原 030024
文献出处：
引用格式：
[1]王清华;加世滢;胡建华;双远华;赵铁琳-.基于GRA的PSO-BP神经网络斜轧穿孔管形预测)[J].锻压技术,2022(08):88-94
A类：
管形预测
B类：
GRA,PSO,斜轧穿孔,穿孔管,无缝钢管,管管,灰色关联度分析,轧制过程,中影,相关度,粒子群优化算法,神经网络结构,现场数据,传统数学模型,生产质量
AB值：
0.192529
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。
