本发明提供一种基于改进神经网络的多牌号C‑Mn钢力学性能预测方法,首先采集多牌号C‑Mn钢在热连轧生产过程中的生产数据并进行数据处理,然后采用前向选择的相关性分析方法生成各力学性能的样本集,采用PSO算法对BRNN网络模型训练过程中的参数进行优化,通过选取多个牌号的C‑Mn钢生产数据,使数据样本中包含了更加全面的生产工艺信息,解决了单钢种生产工艺的数据无法包括全面的工艺信息的问题;通过采用数据处理和相关性分析方法,使数据更加稳定且更具规律性,并可以有效简化预测模型的结构;通过引入PSO算法对BRNN模型进行改进,解决了其存在的容易陷入局部最小值的问题,经过改进的神经网络具有良好的泛化能力,能够更客观地符合物理冶金学规律。
声明:
“基于改进神经网络的多牌号C-Mn钢力学性能预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)