我国轻工制造业技术“十一五”将重点发展五大领域.pdfVIP

维普资讯 作者：佟 强 吴 辉 徐荣丰 应用BP神经网络的单机架可逆式冷轧机弯辊力预设定 果见图4，利用训练后的BP神经网络对单机架可 内，比原系统的弯辊力预设定精度提高了一半以 逆式冷轧机弯辊力进行预设定的结果和实际生产 上 。 情况的比较结果见表 3。 (2)轧制过程具有多变量、强耦合、非线性、时 变性等复杂特点，传统的弯辊力预设定模型能否高 精度的预测弯辊力数值，关键在于数学模型的精确 性，但是数学模型推导毕竟要通过大量的简化，精 度难以保证。目前，大量生产厂家选择回归型的弯 辊力预设定模型，仅仅考虑到了轧制力，板宽固定 因素，而忽略了轧辊原始辊型及其热凸度和磨损对 其的影响。神经网络 良好地解决了这个问题。 (3)针对原材料厂家众多，热轧板性能、板 凸度 差别大的情况，原有的弯辊力预设定模型无法满 图4 编号为 2的网络训练仿真结果 足，采用BP神经网络模型，可 以减少因为种类 问题 Fig．4 Trainingsimulationresultsof2#network 而带来的弯辊力精度降低问题。 表 3 编号 2利用BP神经网络进行预设定 4 结论 和生产实际的弯辊力情况 Table3 Presettingbendingforcewith2#BPneuralnet- 根据现场的大量数据，基于神经网络构造的弯 workandactualbendingforce 辊力优化模型，经现场的使用证明，良好的弯辊力 宽度 入口 出口 压下 轧制 实测 网络预测 偏 差 精度加快了生产的节奏，促进了操作者对轧制过程 厚度 厚度 室 力 弯辊力 弯辊力 的控制，提高了产品的成材率，提高了生产效益。 l250 2．46 1．78 O．288556384、937653376、547O58 8．390595 参考文献 l2452．97 2．13 0．339l74 508．708l9l465．35l945 43．356246 [1】 王国栋，刘相华，等．金属轧制过程人工智能优化 [M】．北京： l2502．70 1．97O．329061367．494904 397．408l3l(29．913227) 冶金工业 出版社，2000． [2】 许东，吴铮．基于MATLAB6．x的系统分析与设计——神经网 l2502．66 1．980．289787394．738l90453．4l5505(58．677315) 络[M】．西安：西安 电子科技大学出版社，2002． 3．2 BP神经网络预测弯辊力模型的优点 [3】 罗成汉．基于MATLAB神经网绍工具箱的BP网络实现[J】．计 算机仿真，2Oo4，2l(5)：lO9一 l】1． 神经网络预测弯辊力模型有 以下优点： 责任编辑