冷连轧轧制力深度神经网络模型泛化能力并行优化

作     者：吴爽 闫奕 李爽 李峰 WU Shuang;YAN Yi;LI Shuang;LI Feng

作者机构：南阳职业学院计算机与信息工程学院河南南阳474550 南阳职业学院机械与汽车工程学院河南南阳474550 河南理工大学机械与动力工程学院河南焦作450000 

基　　金：2021年河南省社会科学界联合会调研课题(SKL-2021-1513) 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2023年第8期

页      码：171-174页

摘      要：为了更好调控冷连轧板厚参数,设计了一种冷连轧轧制力深度神经网络模型,增强了冷连轧模型的控制效果。选择2030冷连轧结构进行研究,对多输入多输出(MIMO)深度神经网络(DNN)进行预处理,针对多线程CPU与GPU实施了优化,对比了神经网络模型和冷连轧系统Siemens模型误差。研究结果表明:L-M算法表现出了更优的收敛稳定性、测试和验证性能、梯度下降趋势,并且收敛速度也更快。以随机方式选择200个数据并测定泛化性能测试得到,L-M算法获得了比SCG算法更大的相关系数。都是随着隐含层数的增加,获得了性能更优的神经网络模型,并且都会增加训练时间。从各项模型指标分析,L-M算法都比SCG算法的性能更优。构建神经网络轧制力模型总共包含二个隐含层、节点数介于17~30、通过L-M算法进行训练。采用神经网络轧制力模型得到的结果与实测值之间的误差比Siemens机理模型和测试值的误差更低。

主 题 词：深度神经网络模型 L-M算法 SCG算法 并行优化 轧制力模型 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 0835[0835] 0802[工学-机械学] 080201[080201] 

D　O　I：10.3969/j.issn.1001-3997.2023.08.035

馆 藏 号：203123083...