基于双次归一化算法的连铸坯表面纵裂纹BP神经网络.pdfVIP

HotWorkingTechnology2017，Vo1．46，No．11

基于双次归一化算法的连铸坯表面

纵裂纹BP神经网络

班泽宇‘米进周2彭世恒2，施哲

f1．昆明理工大学冶金与能源学院，云南昆明650093；2．中国重型机械研究院股份公司，陕西西安710032；3．钢铁

研究总院国家连铸技术中心，北京100081)

摘要：通过对板坯表面纵裂纹的机理研究，确定板坯表面纵裂纹的主要影响因素。用这些影响因素作为输入量，

对某钢厂现场样本数据进行了采集、归一化处理，确定BP神经网络算法的学习速率、隐藏层神经元个数。以归一化数

据作为训练样本，进行训练和仿真，使神经网络提高了命中率。函数是根据相关冶金原理提出的一种非线性函数，

锄+Premnmx双次归一化算法使神经网络准确率明显提高。

关键词：连铸坯；纵裂纹；BP神经网络；函数；Premnmx函数

DOI：10．141580．cnld．1001-3814．2017．11．021

中图分类号：TG247；TG249．7文献标识码：A文章编号：1001—3814(2017)l1-0078—03

BPNeuralNetworkofLongitudinalCrackonContinuousCastingSlab’SSurface

BasedonDoubleNormalizationAlgorithm

BANZeyuMIJinzhou，PENGShiheng2，SHIZhe

(1．FacultyofMetallurgicalandEnergyEngineering，KunmingUniversiytofScienceandTechnology，Kunming650093，

China；2．ChinaNationalHeavyMachineryResearchInstituteCo．，Ltd．，Xi’an710032，China；3．NationalEngineering

ResearchCenterofContinuousCastingTechnology，CentralIronandSteelResearchInstiutte，Beijing100081，China)

Abstract：Themainfactorswhichinfluencethelongiutdinalcrackonslab’Ssurfacewereidentifiedbyhtestudyof

longiutdinalcrackcausesoncontinuouscastingslab’Ssurface．Withthesefactorsasthenetworkinput，thesamples’dataofa

steelplantwerecollectedandnormalized，thelearningrateofBPneuralnewtorkalgorithmandthenumberofhiddenlayer

neuronsweredetermined．Withnormalizeddataasthetrainingsamplesfortrainingandsimulation，thehitrateofneural

newtorkwasimproved．Thefunctionisanonlinearfunctionwhichisproposedaccordingtothemetallurgicalprinciple，and

hteaccuracyoftheneuralnewtorkimprovesobviouslywihthted+Prenlill／lxdoublenormalizationalgorithm．

Keywords：continuouscastingslab；longiutdinalcrack；BPneuralnetwork；dufnction；Premnmxfunction

在连铸生产中铸坯质量是否能即时准确预报，生产，极易出现线下准