公开(公告)号：CN115270397A

公开(公告)日：2022-11-01

申请号：CN202210680749.X

申请日：2022-06-15

Applicant: 南昌大学

Inventor： 杨湘杰 ,  杨明浩 ,  叶寒 ,  顾嘉 ,  李全 ,  白宇轩 ,  姜乐付 ,  杨福玲

IPC: G06F30/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Tensorflow的神经网络蠕墨铸铁蠕化率预测方法，通过对蠕墨铸铁蠕化率的神经网络预测模型的网络结构设计以及训练数据的采集，在确定了神经网络输入神经元、输出神经元、神经激活函数以及隐含层神经元个数的情况下，采用预处理后的样本数据对初步建立的神经网络预测模型进行训练，进而得到可用于检测蠕墨铸铁蠕化率的神经网络预测模型。本发明相比传统的预测模型，通过神经网络构建算法模型对蠕化率进行快速预测，由于神经网络自身的特性，具备自学习能力和自适应能力，当生产原材料或者生产条件发生变化时，只需重新提供足够的数据样本对原始模型重新训练，网络模型即可自行更新，对生产过程中的蠕化质量具有较大的指导意义。