基于BP神经网络的不锈钢轧制力预报模型研究.pdf

标准分享网 提供免费下载 基于BP 神经网络的不锈钢轧制力预报模型研究 [1] [1] [1] [2] [2] 李 实 ，乔爱民 ，叶乃威 ，张清东 ，于 孟 (1 ．宝新不锈钢有限公司，宁波 315087； 2 ．北京科技大学机械工程学院，北京 100083) 摘 要：为了提高基于Bland-Ford 公式的不锈钢轧制力模型的预报精度，采用Levenberg-Marquardt 算法 的BP 神经网络与现有变形阻力解析数学模型相结合，建立了变形阻力修正模型。在不锈钢轧制生产现场 采集大量的实际过程纪录数据，经必要分析选择和按带钢规格材质及有关工艺参数分组后，作为训练样本 用于训练BP 网络模型。将现场实测数据带入所建轧制力模型进行验证表明，新建的轧制力预报模型具有 较高的精度。 关键词：不锈钢；轧制力；模型；神经网络 Research on Predicting Model of Rolling Force Based on BP Neural Network for Stainless Steel Strip LI Shi ，Qiao Aimin ,Ye naiwei, Zhang Qindong Yu Meng ( BaoXin Stainless steel company Limited School of Mechanical Engineering，University of Science and Technology Beijing，Beijing 100083 ，China) Abstract: In order to improve the precision of prediction model of roll force, the mathematical model of yield stress combined with BP neural network which adopted Levenberg-Marquardt algorithm so that a correctable yield stress model is established. Lots of actual measured datum, which is pretreated and divided according to steel grade and technological parameter, is used to train BP neural network. The comparison of the measured rolling force with the prediction value shows that the new rolling force prediction model gets better results. Key words: stainless strip；rolling force ；model ；Neural network 1 引言 不锈钢轧制中，轧制力的准确快速预报对于改善产品质量，提高钢卷成材率有很大意义。为了 满足不锈钢生产的需要，建立了基于Bland-Ford 公式的轧制力预报模型。但由于轧制过程属多变量 非线性强耦合过程，轧制过程中轧制压力受带钢材质、润滑、轧制速度、轧制温度的影响，预报结 果与实测值相差较大。为了提高数学模型的轧制力预报精度，将 BP 神经网络引入预报模型，并与 [1,2,3] 传统的轧制力模型作为基础模型，神经网络模型作为误差修正 传统的轧制力数学模型相结合 ， 模型，两者整合得到一个高精度的变形阻力计算模型，用于轧制力预报。 2 基于Bland-Ford 公式的轧制力预报模型的建立 2.1 Bland-Ford 轧制力数学模型 森吉米尔轧机的工作辊辊径较其它轧机要小的多，并且轧机的刚度很