论文部分内容阅读
为反映材料化学成分波动对变形抗力的影响效果,基于自适应线性神经网络和径向基神经网络技术,建立了以典型化学成分和机架入口温度作为输入,变形抗力修正系数作为输出的热轧带钢变形抗力修正网络。利用实际生产数据,对奥氏体变形抗力修正网络进行了训练、验证和测试,并与在线模型的自适应值、独立的BP网络和RBF网络的预报值进行了对比。结果表明,所开发的复合神经网络具有较好地预测热轧变形抗力的能力。