TY -的A2 -阴,唐爱军AU -李,双非盟-王,剑盟——陈,森PY - 2021 DA - 2021/05/21 TI -完成轧制过程中带钢的质量预测基于GBDBN-ELM SP - 9943153六世- 2021 AB -制造业的不断发展,对带钢质量的要求变得越来越高在汽车制造、机械加工、电子和电气工业。带钢质量的精确控制依赖于准确的预测带钢质量在一定程度上。然而,数据收集的大量复杂的带钢生产线上的传感器和计算机控制系统显示生成的高维度的特点,高耦合、非线性,为带钢质量的预测带来了困难。大规模数据的连续生产的生产线也迫使钢铁企业寻求新的数据挖掘方法,挖掘传感器数据之间的关系来预测和控制带钢的质量。要解决这些问题,本文提出一种GBDBN-ELM模型,这是比其他算法更有效、更准确。在这个模型中,疟疾在DBN GBRBM取代,以便遏制不再取决于二进制发行版,可以处理连续值,保留更多的数据特征。为了解决这个问题太长了DBN训练时间,本文取代了BP网络在DBN榆树回归模型。榆树模型预测带钢质量根据提取的数据抽象的特征,从而提高模型的预测精度和缩短培训时间。摘要GBDBN-ELM模型与BP神经网络相比,榆树,DBN,均方根误差, R 平方系数的决心,和训练时间选择的评价指标模型。实验结果表明,改进的GBDBN-ELM模型不仅可以提高带钢质量预测的准确性也缩短模型训练的时间。本文提出的模型在预测精度和性能方面取得了良好的效果。SN - 1687 - 725 - 2021/9943153 / 10.1155 x你——https://doi.org/10.1155/2021/9943153——摩根富林明——《传感器PB - Hindawi KW - ER