[發明專利]一種基于BP神經網絡軋輥合金力學性能預測方法

在審

• 申請號: 201710959823.0
• 申請日: 2017-10-16
• 公開（公告）號: CN107609647A
• 公開（公告）日: 2018-01-19
• 發明（設計）人: 晉會錦;尹孝輝;饒思賢;方俊飛;盧云
• 申請（專利權）人: 安徽工業大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06F17/50
• 代理公司: 合肥順超知識產權代理事務所(特殊普通合伙)34120
• 代理人: 周發軍

1.一種基于BP神經網絡軋輥合金力學性能預測方法，其特征在于，包括如下步驟：

步驟S1：通過對不同合金成分和熱處理工藝參數下的合金鑄鋼軋輥材料進行一系列的力學性能試驗，收集并篩選試驗結果數據，歸一化預處理后得到人工神經網絡模型所需要的訓練樣本數據；

步驟S2：確定最佳的神經網絡模型結構，包括神經網絡的輸入輸出參數、隱層個數以及隱層神經元數目；

步驟S3：選取適當的學習參數，包括動量項因子、學習率、訓練步長、初始的權值和閾值、激活函數、學習算法，對神經網絡模型進行學習和訓練；

步驟S4：采用測試樣本數據對模型進行測試，并對所建立的神經網絡預測模型的準確性進行評估；

步驟S5：利用上述步驟產生的人工神經網絡模型進行合金鑄鋼軋輥力學性能的預測。

2.根據權利要求1所述的一種基于BP神經網絡軋輥合金力學性能預測方法，其特征在于：所述步驟S1中，由試驗收集而來的訓練樣本數據為133組。

3.根據權利要求1所述的一種基于BP神經網絡軋輥合金力學性能預測方法，其特征在于：所述步驟2中，最佳的神經網絡結構包含：輸入層神經元個數為10，隱層神經元個數為17，輸出層神經元個數為6。

4.根據權利要求1所述的一種基于BP神經網絡軋輥合金力學性能預測方法，其特征在于：所述步驟S3中，適當的學習參數：動量項因子為0.75、學習率為0.15、初始的權值和閾值為(-1，1)之間的隨機數，隱層和輸出層的激活函數分別為tangent sigmoid和log-sigmoid、學習算法為改進的BP算法。

5.根據權利要求1所述的一種基于BP神經網絡軋輥合金力學性能預測方法，其特征在于：所述步驟S4中，神經網絡預測合金鑄鋼軋輥力學性能的偏差基在±5％以內概率大于95％。

6.根據權利要求1所述的一種基于BP神經網絡軋輥合金力學性能預測方法，其特征在于：所述步驟S5中，采用訓練好的人工神經網絡模型，預測和研究不同的合金成分和熱處理工藝參數對合金鑄鋼軋輥力學性能的影響規律，獲得最佳的綜合力學性能。