热轧板带横向厚度分布神经网络预测分析.pdfVIP

总第 159期 山西冶金 T0taI159 2016年第1期 SHANXIMETALLURGY No．1，2016 l_试 礁礤巍 | DOI：10．165250．cnki．cn14-1167／ff．2016．O1．02 0 》 热轧板带横向厚度分布神经网络预测分析★ 韩世平 (太原理工大学机械工程学院， 山西 太原 030024) 摘 要 ：将BP神经网络相结合引入到热轧板带横向厚度分布的预测与控制中，并依据板带轧制的实际数据 对网络进行训练，通过比较二辊可送轧机板带横向厚度分布的预测值与实测数据，验证该热轧板带横向厚度 分布的神经网络预测模型的准确性。验证表明，该模型的应用不仅能够提高板带轧制质量，而且能够降低设 备成本。 关键词：神经网络 板厚 预测 热轧 中图分类号：1。G333．7 文献标识码：A 文章编号：1672—1152(2016)O1—0005—02 由于热轧板材成型过程中板材厚度的变化对成 辊温度 和工作辊磨损 c；输出向量为终轧板带厚 型的质量影响很大，因此对控制的精度要求越来越 度凰。 高，而现有的技术多是通过凸度仪对轧板带横向厚 当其他参数确定时，经过反复调试和比较，权衡 度分布进行测定，往往需要测定上百个点，不仅耗时 误差精度和训练时间长短，选择网络隐含层的神经 而且工作量大，因此需要从控制算法角度开辟新的 元个数为 l6，神经网的结构如图l所示。现场采集 控制思路n 。 轧制力、轧制速度，相应道次工作辊的磨损已通过离 轧制过程中有多种因素影响板带的横向厚度分 线计算得出，相应板带的终轧厚度利用手持测厚仪 布，并且这种影响呈较强的非线性、时变陛以及二者相 予以测量。选取 6O组数据作为神经网络的样本值， 互耦合等特 ，因此按照传统理论建立的数学模型很 其中45组数据为训练样本，剩余 15组数据为测试 难对其进行准确的预测。人工神经网络是在模拟人类 样本。 大脑结构和思维方式的基础上建立起来的。目前，在板 输入 隐含层 输出 形预测与控制中有广泛的应用 。较常见的方法是以 H1 板形板厚偏差值圈对板形及板厚进行预测，但是由于 受实际隋况的限制，对工作辊的凸度很难实现在线测 量，而且板形板厚在线检测设备投资大。本文建立热轧 Hl2 板带横向厚度分布的神经网络预测模型，并与测试结 l3 果进行对比分析，验证了控制模型的准确性。 1 板带横向厚度分布的预测模型 图 1 神经网络结构 1．2 控制流程 1．1 神经网络模型 板厚控制手段主要由调整轧制力来控制，而轧 BP网络是当前应用广泛也是发展较为成熟的 一 制力的改变是通过调整辊缝来实现，但在调整的过 种神经网络模型，但该算法在训练网络的权值和 程中