基于神经网络的中厚板轧机轧制力模型.pdfVIP

维普资讯 第 19卷第 6期 钢 铁 研 究 学 报 Vo1．19。No．6 2007年 6月 Journa1ofIronandStee1Research June2007 基于神经网络的中厚板轧机轧制力模型 韩丽丽 ， 孟令启 ， 张洛明， 马金 亮 (郑州大学机械学院，河南 郑州 450052) 摘 要：以4200轧机大规模测试得到的实验数据为基础 ，利用Matlab人工神经网络工具箱，建立了该轧机轧制 力的预测模型。通过对该网络隐层神经元个数的调整，提高了收敛速度 ，使轧制力的预测精度大为提高。 关键词 ：轧制力；BP网络 ；预测 中图分类号：TG335．5 文献标识码 ：A 文章编号：1001—0963(2007)06—0095—04 DraughtPressureM odelofM edium PlateM illBasedonNeuralNetwork HAN Li—li。 MENG Ling—qi， ZHANG Luo—ming， MA Jin-liang (CollegeofMechanicalEngineering，ZhengzhouUniversity，Zhengzhou450052，Henan，China) Abstract：BasedOnthedataobtainedfrom largescaleexperiments，thepredictionmodelofthismillwasbuilt．The convergencespeedwasinereasedandthepredictionaccuracyofthedraughtpressurewasimprovedbyadjustingthe numberofhidden-- layerneuronsinthenetwork． Keywords：draughtpressure；BPneuralnetwork；prediction 轧钢技术的发展是 以自动化为其主要 内容。随 型需要反复迭代 ，运算时间较长 ；而一般神经网络方 着计算机可靠性的提高 ，轧钢生产 的计算机控制 ，已 法往往难以确定其 网络的结构 ，且学习训练参数 易 由生产环节的局部某一工艺过程控制，发展到整个 陷入局部极小 ，影响了预测的精度和可靠性 。为了 轧钢生产过程的 自动化控制。而 自动控制的基础就 克服这些不足之处，本课题通过对神经网络隐层神经 是数学模型_1]。在这些模型中，最主要 的模型是轧 元个数的调整对 比，确定神经网络的结构 ，建立 了精 制力模型，其模型预报的精度将直接影响着轧制规 确的数学模型，从而大大提高轧机 自动控制的水平。 程的制定、压下量的调整 、轧机辊缝 的设定 以及对板 BP神经网络模型的构建 形的控制。中厚板轧机在线控制时，存在着各种现 场因素的变化、坯料中合金元素 的偏差 、轧制工艺参 神经 网络是人工神经元 网络 (ArtificialNeural 数的不稳定等实际情况 ，故传统轧制力模型在预测 Networks，ANN)的简称 ，它 由大量处理单元 (神经 轧制力时往往误差较大。对在线控制的轧制力数学 元)广泛互联而成 。网络的信息处理是 由神经元之 模型进行简化 ，尽量减少模型中的参数变量 ，又导致 间的相互作用来实现，知识与信息的存贮表现为网 了模型的不完整性 ，从而不能对客观对象提供精确 络元件互联间分布式 的物理联系，网络 的学习和识 的描述 。所以常规 的轧制力计算公式不能提供足够 别取决于各神经元连接权值的动态演化过程 。图 1 精确的近似值 。即使在很多情况下采用 自适应技 为轧制力的