[发明专利]一种基于BP神经网络轧辊合金接触疲劳性能预测方法在审
| 申请号： | 201710958753.7 | 申请日： | 2017-10-16 |
| 公开（公告）号： | CN107704920A | 公开（公告）日： | 2018-02-16 |
| 发明（设计）人： | 晋会锦;方俊飞;尹孝辉;卢云;国礼杰 | 申请（专利权）人： | 安徽工业大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06F17/50 |
| 代理公司： | 合肥顺超知识产权代理事务所(特殊普通合伙)34120 | 代理人： | 周发军 |
| 地址： | 243002 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于BP神经网络轧辊合金接触疲劳性能预测方法，属于合金铸钢轧辊技术领域。首先采集人工神经网络模型所需要的训练样本数据，这些样本数据主要来自于合金铸钢轧辊在不同合金成分、热处理工艺和载荷下的接触疲劳性能试验结果；确定神经网络的输入和输出参数，构建神经网络结构；采用改进的BP算法对神经网络进行学习和训练；选取训练样本以外的样本数据对训练好的神经网络进行测试，而后对合金铸钢轧辊的接触疲劳性能进行预测。本发明建立的BP神经网络模型有较高的预测能力，为研究和开发高接触疲劳性能的合金铸钢轧辊材料提供新的途径，并具有明显的实用价值。 | ||
| 搜索关键词： | 一种 基于 bp 神经网络 轧辊 合金 接触 疲劳 性能 预测 方法 | ||
【主权项】：
一种基于BP神经网络轧辊合金接触疲劳性能预测方法，其特征在于：包括如下步骤：步骤S1：采集神经网络所需要的样本数据，这些数据主要来自于合金铸钢轧辊在不同合金成分、热处理工艺参和接触应力下的接触疲劳性能试验结果，归一化处理后的样本数据构成了人工神经网络模型的训练样本集；步骤S2：确定神经网络的输入和输出参数以及隐层个数和隐层神经元数目，构建神经网络结构；步骤S3：确定的最佳的训练参数，包括动量项因子、学习率、训练步长、初始的权值和阈值、激活函数、学习算法，对神经网络模型进行学习和训练；步骤S4：选取训练样本集以外的数据对建立好的神经网络进行测试，并对网络性能和预测精度进行评估；步骤S5：利用训练好的人工神经网络模型进行合金铸钢轧辊接触疲劳性能的预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽工业大学，未经安徽工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710958753.7/，转载请声明来源钻瓜专利网。
