基于改进遗传算法优化BP网络的轧制力预测研究

为提高铝热连轧轧制力预报精度, 满足现场生产需求, 采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1+4铝热连轧厂连轧实测数据作为实验样本, 在遗传算法的初始化和变异机制中引入混沌序列, 同时选择最优保存机制、动态调整交叉率和变异率等方法, 提出了改进的遗传算法, 并将其与改进的BP算法相结合, 对多层前馈神经网络权值阈值进行优化, 避免学习中陷入局部最小, 使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10%以内, 该预测精度明显优于传统数学模型, 实现了铝热连轧轧制力的高精度预测。     

基于布谷鸟算法的铝热连轧轧制规程优化

根据轧制原理, 提出了支持向量机建立轧制力预报模型, 并通过布谷鸟算法优化支持向量机参数, 达到提高预报精度的目的。提出了支持向量机网络与数学模型结合的方法, 对某“1+4”铝热连轧厂现场采集的5052铝合金轧制数据进行离线仿真, 进一步提高了轧制力预报精度。在轧制规程设定中, 建立了以预防打滑为主的电机功率剩余程度相近目标函数, 并用布谷鸟算法对压下率进行优化, 结果表明, 该规程有很好的预防打滑效果, 并能保证各机架电机的功率剩余程度相近。     

PCA降维技术在弯辊力预设定中的研究与应用

为了提高冷连轧带钢弯辊力预设定模型的计算效率, 在原有基于GA-BP神经网络的弯辊力预设定模型基础上, 引入主成分分析(PCA)数据降维技术, 通过PCA将原有10个轧制参数变量转换为3个主成分变量, 降维后的主成分变量包含了原始实测轧制参数93.55%的信息, 实现了轧制参数特征的有效提取; 将其作为神经网络的输入, 建立PCA-GA-BP新形态弯辊力预设定模型, 简化了模型结构。以某1 450 mm冷连轧生产线数据作为样本比较了2种模型的计算性能, 结果表明, 2种模型均具有较好的泛化能力, 在保证带钢头部板形精度的基础上, PCA-GA-BP模型与原模型相比迭代次数减少86次, 计算时间缩短73 ms, 预报效率显著提高。     

基于DBN算法的热轧高强钢薄板轧机振动预报研究

针对热轧高强钢薄板生产过程中轧机出现剧烈振动、造成产品质量不高和设备损坏等问题,深度挖掘钢铁工业积累的轧制实时监测数据(PDA数据),提出采用DBN算法和GA-BP算法建立轧机振动预报模型,从而对轧机振动进行预报。首先通过建立轧机垂直振动数学模型,分析轧机振动机理,然后建立振动预报模型,并利用现场实测数据训练其精度,结果表明,本预报模型预测结果的误差在3.94%以内,可以用于轧机振动的预报。建立了轧制工艺参数和轧机振动强度的定量关系,为轧制制度的改进以及在轧制过程中实现快速减弱甚至消除轧机振动提供参考。     

铝热粗轧机自适应辊缝动态设定

针对某现场铝热粗轧板带头部厚度偏差较大现象, 应用自适应模糊神经网络控制技术, 建立了热粗轧辊缝动态设定系统。该系统将轧制力预报误差及弹跳方程误差作为输入, 运用模糊神经网络预测下一道次的辊缝设定补偿值, 并以实际数据对系统进行校验, 结果显示该方法可以大幅提高铝热粗轧板带头部厚度精度。     

考虑剪切效应的金属本构关系模型及其在大型筒节轧制成形中的应用

筒节轧制变形区存在搓轧区,为研究该区域中压剪复合作用对筒节轧制成形的影响,建立了考虑剪切效应的变形抗力数学模型,并分析了剪切效应对筒节轧制力的影响。首先设计了SCS压剪试件和普通圆柱试件,并进行了高温压缩实验,建立了考虑剪切效应的变形抗力数学模型; 然后建立了筒节轧制有限元模型,得到了筒节的有限元轧制力,并与轧制力的理论计算结果、工厂实测结果进行了对比。结果表明,SCS压剪试件能够达到更大的应变程度和更小的应力,考虑剪切效应得到的筒节轧制力更接近工厂实测轧制力,相对误差在8%以内,证明应用考虑剪切效应的变形抗力数学模型能够提高筒节轧制力的计算精度。     

基于改进粒子群优化RBF神经网络的轧制力预报

依据RBF神经网络的非线性逼近能力和自学习特性, 提出基于RBF神经网络的建模方法。将最近邻聚类用于RBF神经网络隐层中心向量的确定, 并采用改进粒子群算法对最近邻聚类的聚类半径进行优化, 合理确定了RBF神经网络的隐层结构, 提出了一种基于改进粒子群算法的RBF神经网络(IMPSO-RBF)。将该网络应用于轧制力的预报, 与基本粒子群算法优化的RBF神经网络比较, 仿真结果表明其在预报精度和收敛速度上都有很大提高。     

基于Φ函数的铝热连轧防打滑轧制规程优化

针对铝材轧制过程中的打滑现象提出了预防热轧打滑的判断条件, 并提出了预防打滑为主的综合电机功率剩余程度相近的目标函数, 建立了轧制规程多目标优化的数学模型, 并应用果蝇优化算法对压下率进行了优化。在河南某铝热连轧厂对5052铝合金加工进行轧制规程优化, 将Φ函数负荷分配法应用到轧制规程中, 结果表明: 合理的负荷分配能较好地实现各电机在功率上的剩余程度相近, 并有很好的预防打滑效果, 证明Φ函数负荷分配法制定轧制规程是合理有效的。     

基于物理规划的铝热连轧多目标轧制规程优化

针对铝热连轧轧制规程多目标优化中综合目标函数权值难以确定的问题, 运用基于物理规划的多目标优化方法, 并以萤火虫智能算法为基础, 选取等功率裕量、轧制总能耗、末机架板型良好及各机架打滑因子为目标函数, 进行优化计算。物理规划使设计者以一种更加灵活的方式完成目标函数的权值分配, 然后通过萤火虫智能算法对综合目标函数进行优化计算。结果表明 不同的设计偏好能有效反映设计者的意愿, 从而产生偏向不同重点的轧制规程。     

矿井涌水量的灰色马尔可夫预报模型

将灰色系统理论与离散状态的马尔可夫链理论相结合,提出了灰色马尔可夫预报模型以预报矿井涌水量。该模型针对灰色数据系列首先建立ＧＭ（１,１）模型进行趋势预测,然后利用马尔可夫状态概率转移矩阵预报方法对其预测值进行二次拟合,可提高波动性较大的随机变量的预报精度。实例计算表明：灰色马尔可夫预报模型精度明显高于ＧＭ（１,１）模型及ＧＭ（１,１）残差修正模型。该结论拓宽了灰色预报模型的应用范围,为矿井涌水量的     

基于灰色预测的MFAC在铝热连轧张力控制中的仿真研究

针对重庆某铝加工厂双机架铝带热连轧机机架间张力波动问题, 分析了影响张力波动的原因。为提高张力系统的控制精度, 对传统PID控制器进行了算法改进, 采用无模型自适应算法进行控制器设计, 并加入灰色预测模型, 通过超前预测来补偿系统延时及参数时变, 形成新的控制律作用在被控对象上。仿真结果显示, 基于灰色预测的无模型自适应控制在跟踪性、适应性、克服大时滞能力方面与传统的PID控制相比有很大的优越性。     

大型卷板机的力学模型

基于材料弹性和塑性变形规律及材料力学的理论,通过对板材卷制过程中的受力状况的分析与研究,提出了板材在成型过程中的变力状况:挠曲变形力、弹性变形抗力、塑性变形抗力;给出了影响卷制力的主要因素是挠曲变形力;建立了板材变形率与卷制力之间关系的数学模型。