欢迎来到天天文库
浏览记录
ID:53028671
大小:800.71 KB
页数:5页
时间:2020-04-14
《基于RBF神经网络的钢构件质量追溯系统研究-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第34卷第1期计算技术与自动化Vo1.34.NO.12015年3月ComputingTechnologyandAutomationMar.2015文章编号:1003—6199(2Ol5)01—0020—05基于RBF神经网络的钢构件质量追溯系统研究林涛,葛玉敏,安玳宁。(1_河北工业大学计算机与信息工程学院,天津300130;2.河北工业大学控制科学与工程学院,天津300130)摘要:提出一种基于RBF神经网络的数据挖掘方法,将RBF神经网络应用于数据挖掘的分类和预914中,解决钢构件过程中的性能预测问题。
2、其中用黄金分割法确定基于RBF神经网络的隐层节点数,减少该算法的计算复杂度,最终将其应用于某钢铁企业质量控制系统。构建对钢构件质量检测的数据挖掘及质量追溯平台,该平台是基于RBF神经网络的数据挖掘技术的。实际应用证明,产品的质量合格率可达到96.27,符合国家相关的标准和技术指标。关键词:数据挖掘;径向基函数神经网络;黄金分割法;质量追溯中图分类号:TP399文献标识码:AResearchontheSystemofTraceabilityofQualityofSteelComponentBasedonRad
3、iaIBasisFunction(RBF)NeuralNetworkLINTao,GEYumin。ANDai—ning(1.CollegeofControlScienceandEngineering,HebeiUniversityofTechnology,Tianjin300130,China;2.CollegeofComputerandInformationEngineering,TianjinNormalUniversity,Tianjin300130,China)Abstract:Tosolvethe
4、performancepredictionprobleminthesteelproductionprocess,thispaperpresentsedanapproachwhichisbasedonRBFneuralnetworkdataminingmethodandusesRBFneura1networkinclassificationandpredic—tionofdatamining.ThehiddenlayernodesoftheRBFneuralnetworkweredeterminedbythe
5、goldensectionmethodtore—ducethecomputationaicomplexityofthealgorithm,whichwereappliedtoasteelenterprisequalitycontrolsystem.Finally,aplatformofdataminingandqualityretrospective,whichisbasedonRBFneuralnetworkdataminingtechnology,wascon—structedinproductqual
6、itytestinginsteelcompanies.Practicalapplicationshowsthatthequalifiedrateofproductscanreach96.27,inlinewithnationa1standardsandtechnicalspecifications.Keywords:datamining;radialbasisfunctionneuralnetwork;goldensectionmethod;quality-traceability钢构件的生产、加工、成型及
7、实际应用的过程引言中涌现出企业决策的不确定性和不可预测性,大量结构化和非结构化数据,加剧了企业决策的风险。在国家“全面提高信息化水平,推进信息化与如何有效地收集数据、洞察数据,如何将数据转化工业化深度融合”的大环境下,有效的将信息技术、为知识、将知识付诸于行动,已经日益成为企业经企业先进制造技术与现代管理技术进行结合,使得营者难以把控的课题。企业在生产经营过程中产生了海量数据。激增的由于神经网络对噪声数据的高承受能力和高数据背后隐藏着许多重要的信息,如何从大量的数容错能力使得神经网络在数据挖掘领域的应用得据
8、中提取并找到有用的信息以指导决策,是迫切需到人们的重视,但是具有结构复杂、可解释性差、训要解决的问题¨]。练时间长等缺点。针对这些问题本文介绍了基于收稿日期:2014一O5~O3作者简介:林涛(1970一),男,天津红桥人,教授,博士,研究方向:物联网技术、网络控制技术和专用中间件。十通讯联系人,Email:1014020870@qq.corn第34卷第1期林涛等:基于RBF神经网络的钢构件质量追溯系统研究RBF
此文档下载收益归作者所有