神经网络在改进层流冷却模型中的应用.pdfVIP

第27卷　第 4 期 Vol 27 , No4 　46 　 上 　海 　金 　属 2 0 0 5 年 7 月 July , 2 0 0 5 　　　 SHANGHAI METALS 神经网络在改进层流冷却模型中的应用 薛俊平 　蔡庆伍 　宋勇 (北京科技大学 高效轧制国家工程研究中心 , 北京　100083) 　　【摘要】　采用 BP 网络与数学模型相结合的方法求解热连轧带钢层流冷却水冷区热流 密度 , 结果表明 , 采用神经网络计算得出的热流密度 , 对卷取温度的控制精度高于原数学模 型。该方法有在线实际应用前景。 【关键词】　BP 神经网络 　层流冷却 　热流密度 　模型改进 APPLICATION OF NEURAL NETWORKS TO THE IMPROVEMENT OF LAMINAR COOLING MODEL Xue Junping 　Cai Qingwu 　Song Yong (University of Science and Technology Beijing) A BP neural network combined with mathematical model was used to calculate 　　【Abstract 】　 the heat flux density of laminar cooling in water cooled region of hot continuous rolling. The results showed that adopting the heat flux density calculated by neural network , the controlled precision of the coiling temperature was higher than that by primary mathematical model. The method could be used online. BP Neural Network , Laminar Cooling , Heat Flux Density , Model 【Key Words 】 　 Improving 1 　前 　言 习、自组织、自适应和非线性动态处理等特性 , 层流冷却系指带钢位于末架精轧机和卷取机 特别适合处理复杂的非线性过程。本文根据某钢 之间的输出辊道上的冷却过程。卷取温度对带钢 厂的控制模型 , 采用人工神经网络优化数学模型 的金相组织影响很大 , 是决定成品带钢的加工性 中的关键参数 , 进而提高卷取温度的控制精度。 能、物理性能、力学性能的重要工艺参数之一。 为卷取温度控制过程提供了一条新的途径[1 ,2 ] 。 由于冷却过程中的热交换是一个非常复杂的 2 　传统层流冷却模型 过程 , 并且伴随相变潜热的释放 , 难以用精确的