摘要
针对传统神经网络对钢坯温度预报存在的一些缺点,如:隐层数不易确定,网络训练对初值敏感等。该文利用三次样条权函数神经网络建立了钢坯温度预报模型,克服了传统神经网络的缺点。仿真结果表明该模型具有较高的精度。
Aiming at some disadvantages of the traditional neural networks on billet temperature prediction, such as： hard to fix the hidden layer units, sensitive to initial for networks training, etc, a kind of new billet temperature prediction model is established based on the cubic spline function neural networks. The disadvantages of the traditional neural network are overcome, and the simulation results show that the model has higher precision.
出处
《自动化与仪表》
北大核心
2010年第2期35-38,共4页
Automation & Instrumentation
基金
国家自然科学基金项目(50407017)
国家高技术研究发展计划(863计划)项目(2007AA05Z242)
国家高技术研究发展计划(863计划)项目(2007AA05Z421)
关键词
钢坯
温度预报
三次样条权函数
神经网络
slab
temperature prediction
cubic spline weight function
neural network
作者简介
张捍东（1963-），男，教授，博士，研究方向为智能控制理论与应用、计算机控制、测控系统的应用与开发、机器人运动控制及相关技术等研究；
黄鹏程（1986-），男，硕士研究生，研究方向为智能控制理论与应用；
李俊（1984-），男．硕士研究生．研究方向为测控系统的应用与开发。
