共查询到12条相似文献,搜索用时 250 毫秒
1.
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。 相似文献
2.
3.
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。 相似文献
4.
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。 相似文献
5.
6.
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。 相似文献
7.
8.
9.
10.
11.
12.
大型卷板机的力学模型 总被引:3,自引:0,他引:3
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。 相似文献