基于神經(jīng)網(wǎng)絡(luò)的軋制力模型研究與應(yīng)用.pdf

1、冷軋板帶材軋制過(guò)程控制技術(shù)水平是提高板帶材產(chǎn)品質(zhì)量以及生產(chǎn)能力的關(guān)鍵。描述軋制過(guò)程的數(shù)學(xué)模型是過(guò)程控制的基礎(chǔ)，其精度決定著過(guò)程控制的精度。鑒于軋制過(guò)程影響因素復(fù)雜以及各影響因素時(shí)刻變化，難于用機(jī)理模型描述，將人工智能方法用于過(guò)程控制模型的研究，是目前認(rèn)為提高過(guò)程控制技術(shù)的有效途徑。
　　冷軋軋制力模型是冷連軋模型系統(tǒng)的核心。本文以軋制力模型為研究對(duì)象，首先從軋制理論出發(fā)，深入分析了冷軋時(shí)軋制力模型的特點(diǎn)，并且探討了在工程研究中應(yīng)用

2、廣泛的Bland-Ford-Hill軋制力模型，詳細(xì)分析了影響軋制力計(jì)算精度的主要因素。
　　然后，在軋制力數(shù)學(xué)模型研究的基礎(chǔ)上，以某1450mm八輥五機(jī)架冷連軋機(jī)的實(shí)際生產(chǎn)數(shù)據(jù)為依據(jù)，運(yùn)用BP(Back-Propagation)神經(jīng)網(wǎng)絡(luò)建立了拓?fù)浣Y(jié)構(gòu)為7-12-1的神經(jīng)網(wǎng)絡(luò)軋制力模型。針對(duì)單純的BP算法容易形成局部極小的缺點(diǎn)，將蟻群算法用于BP神經(jīng)網(wǎng)絡(luò)權(quán)值的優(yōu)化中，進(jìn)一步提高了軋制力預(yù)報(bào)的精度，并通過(guò)離線學(xué)習(xí)結(jié)果有力的證明了蟻群