<th id="5nh9l"></th><strike id="5nh9l"></strike><th id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"></th><strike id="5nh9l"></strike>
<progress id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"><noframes id="5nh9l">
<th id="5nh9l"></th> <strike id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"></span>
<progress id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"></span><strike id="5nh9l"><noframes id="5nh9l"><strike id="5nh9l"></strike>
<span id="5nh9l"><noframes id="5nh9l">
<span id="5nh9l"><noframes id="5nh9l">
<span id="5nh9l"></span><span id="5nh9l"><video id="5nh9l"></video></span>
<th id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"></th>
<progress id="5nh9l"><noframes id="5nh9l">
  • 《工程索引》(EI)刊源期刊
  • 中文核心期刊
  • 中國科技論文統計源期刊
  • 中國科學引文數據庫來源期刊

留言板

尊敬的讀者、作者、審稿人, 關于本刊的投稿、審稿、編輯和出版的任何問題, 您可以本頁添加留言。我們將盡快給您答復。謝謝您的支持!

姓名
郵箱
手機號碼
標題
留言內容
驗證碼

熱軋機有限元與神經網絡集成建模

胡長斌 童朝南 彭開香

胡長斌, 童朝南, 彭開香. 熱軋機有限元與神經網絡集成建模[J]. 工程科學學報, 2011, 33(2): 221-226. doi: 10.13374/j.issn1001-053x.2011.02.013
引用本文: 胡長斌, 童朝南, 彭開香. 熱軋機有限元與神經網絡集成建模[J]. 工程科學學報, 2011, 33(2): 221-226. doi: 10.13374/j.issn1001-053x.2011.02.013
HU Zhang-bin, TONG Chao-nan, PENG Kai-xiang. Integrated model of a hot rolling mill based finite element analysis and neural networks[J]. Chinese Journal of Engineering, 2011, 33(2): 221-226. doi: 10.13374/j.issn1001-053x.2011.02.013
Citation: HU Zhang-bin, TONG Chao-nan, PENG Kai-xiang. Integrated model of a hot rolling mill based finite element analysis and neural networks[J]. Chinese Journal of Engineering, 2011, 33(2): 221-226. doi: 10.13374/j.issn1001-053x.2011.02.013

熱軋機有限元與神經網絡集成建模

doi: 10.13374/j.issn1001-053x.2011.02.013
基金項目: 

國家自然科學基金資助項目(No.60374032)

北京市教委重點學科控制理論與控制工程資助項目(No.XK100080537)

詳細信息
    通訊作者:

    胡長斌,E-mail:changbinlove@163.com

  • 中圖分類號: TG335.5

Integrated model of a hot rolling mill based finite element analysis and neural networks

  • 摘要: 以某鋼廠1580熱連軋生產數據為基礎,提出一種有限元與神經網絡集成建模的方法.該方法首先對軋制過程的塑性變形進行有限元建模,然后結合有限元數值分析方法和智能技術的優點,實現有限元和神經網絡的集成建模.集成模型中的神經網絡模型為有限元模型提供參數調整的依據,并且在神經網絡訓練過程中使用改進的混沌粒子群優化算法對神經網絡進行優化.通過與現場實際生產數據進行比較,驗證了該模型的有效性.

     

  • 加載中
計量
  • 文章訪問數:  161
  • HTML全文瀏覽量:  53
  • PDF下載量:  7
  • 被引次數: 0
出版歷程
  • 收稿日期:  2010-04-15
  • 網絡出版日期:  2021-07-30

目錄

    /

    返回文章
    返回
    <th id="5nh9l"></th><strike id="5nh9l"></strike><th id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"></th><strike id="5nh9l"></strike>
    <progress id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"><noframes id="5nh9l">
    <th id="5nh9l"></th> <strike id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"></span>
    <progress id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"></span><strike id="5nh9l"><noframes id="5nh9l"><strike id="5nh9l"></strike>
    <span id="5nh9l"><noframes id="5nh9l">
    <span id="5nh9l"><noframes id="5nh9l">
    <span id="5nh9l"></span><span id="5nh9l"><video id="5nh9l"></video></span>
    <th id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"></th>
    <progress id="5nh9l"><noframes id="5nh9l">
    259luxu-164