本文主要研究内容
作者于景辉,赵德琦,王少（2019）在《基于主成分分析-BP神经网络的热精轧带钢跑偏预测研究》一文中研究指出：由于带钢热轧过程中跑偏的影响因素复杂,传统的机理预测模型难以保证跑偏预测的准确性。本文从数据驱动的角度出发,结合带钢轧制过程跑偏产生原理和实际生产数据,提出了一种基于主成分分析(PCA)与BP神经网络的组合模型用于预测带钢跑偏。该模型精度较高,对提高热连轧成品质量和轧制设备的寿命都具有重大意义。
Abstract
you yu dai gang re ga guo cheng zhong pao pian de ying xiang yin su fu za ,chuan tong de ji li yu ce mo xing nan yi bao zheng pao pian yu ce de zhun que xing 。ben wen cong shu ju qu dong de jiao du chu fa ,jie ge dai gang ga zhi guo cheng pao pian chan sheng yuan li he shi ji sheng chan shu ju ,di chu le yi chong ji yu zhu cheng fen fen xi (PCA)yu BPshen jing wang lao de zu ge mo xing yong yu yu ce dai gang pao pian 。gai mo xing jing du jiao gao ,dui di gao re lian ga cheng pin zhi liang he ga zhi she bei de shou ming dou ju you chong da yi yi 。
论文参考文献
论文详细介绍
论文作者分别是来自山东冶金的于景辉,赵德琦,王少，发表于刊物山东冶金2019年04期论文，是一篇关于带钢论文,轧制论文,主成分分析论文,神经网络论文,跑偏预测论文,山东冶金2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自山东冶金2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。