基于改进BP神经网络的镁还原率预报研究
2013-11-13华建社刘明华
河北科技大学学报 2013年6期
华建社,薛 臣,刘明华,李 芳
(西安建筑科技大学冶金工程学院,陕西西安 710055)
镁及镁合金具有比刚度和比强度好、导电性和电磁屏蔽性优良、抗震、阻尼性好、节能环保等优良特性,被广泛应用于交通运输工业、航空航天工业、3C产业和精密机械工业等领域,被材料专家誉为21世纪最具开发和应用潜力的绿色工程材料[1-2]。
与铝、塑料等轻量化材料相比,较高的成本限制了镁及镁合金的进一步推广。镁还原率直接影响着镁生产成本,通过优化工艺参数组合提高镁还原率,是镁冶炼工艺研究的一个重要方向。皮江法炼镁工艺生产过程是一个非常复杂的非线性过程,镁还原率的影响因素多,时变性强,机理复杂,很难通过常规的数学模型进行精确描述。
人工神经网络(ANN)是由大量处理单元经广泛互连而组成的用来模仿人脑神经细胞结构和功能的系统,通过模拟脑神经元的学习功能,无需建立复杂的物理模型就能够映射任何复杂的非线性关系,可以很好地解决影响因素较多、规律不明显的非线性问题[3]。误差反向传播(BP)神经网络利用误差反向传播算法对网络进行训练,是目前应用最广泛的人工神经网络。
1 遗传算法优化BP神经网络原理及流程
BP神经网络具有较强的非线性映射能力、泛化能力、容错能力和联想记忆能力,适合处理一些内部机制复杂的非线性问题。学习过程包括工作信号的正向传播和误差信号的反向传播[4]。输入信号从输入层经隐含层,传向输出层,在输出端产生输出信号。……
登录APP查看全文
