基于RBF的轴承钢变形抗力的预测

摘要

以凸轮式高速形变试验机得到的试验数据为基础,利用Matlab人工神经网络工具箱,建立了轴承钢的变形抗力与其化学成分、变形温度、变形速率及变形程度对应关系的RBF神经网络预测模型。分析了变形温度和变形速率对轧制压力网络模型精度的影响。得出随着变形温度的增加,网络的预测误差逐渐增大;随着变形速率的增大,网络的预测误差逐渐减小的结论。通过与BP网络和Elman网络模型相比较,结果表明,RBF网络模型具有更高的精度和较强的泛化能力。