改进BP神经网络在胎面挤出参数预测中的应用  

作　　者：唐善斌[1] 陈可娟[1] 李茂强[1] 林立 

机构地区：[1]华南理工大学机械与汽车工程学院,广东广州510640 [2]广州广橡企业集团有限公司钻石车胎厂,广东广州510251

出　　处：《轮胎工业》2008年第7期427-430,共4页Tire Industry

摘　　要：采用隐含层数为4,每个隐含层单元数为10的改进BP神经网络预测销钉机筒冷喂料挤出机的胎面挤出参数。与传统BP神经网络相比,改进算法采用惯性冲量校正、限幅输出和步长自适应解决传统算法学习速度慢且易于陷入局部最小值的问题。Matlab仿真表明,改进算法的收敛速度和收敛效果均明显比传统BP神经网络算法好。训练好的神经网络对胎面挤出过程的参数预测和试验结果间的最大误差为1%,大部分误差小于0.5%。

关 键 词：BP神经网络 预测 胎面挤出 

分 类 号：TQ336.1[化学工程—橡胶工业]