共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
3.
《钢铁研究学报》2020,(5)
轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力,精度较低。为提高轧制力预报精度,首先基于大量历史生产数据,通过主成分分析法对影响轧制力的因素进行处理和分析,选出权重较大的影响因子;其次选取现场代表钢种进行热模拟压缩实验,在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型,即先通过化学成分计算出基准变形抗力,再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数,并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产,轧制力预报相对误差±10%以内占比提高15.61%,钢板头部厚度命中率提高1.9%。 相似文献
4.
中厚板轧制过程中的轧制力和轧制力矩数学模型 总被引:1,自引:0,他引:1
本文提出了两个新的无量纲参数轧制力功系数和轧制力矩功系数,并通过对这两个参数的回归分析,建立了高精度的轧制压力和轧制力矩数学模型。 相似文献
5.
6.
7.
8.
9.
冷连轧机轧制力人工神经网络预报 总被引:2,自引:0,他引:2
采用改进的BP网络Levenberg-Marquardt优化算法对冷连轧机轧制力进行快速预报,此网络参量可自适应调整,收敛速度快.冷连轧生产轧制力预报精度大为提高,为冷连轧轧制力预报提供了一条准确高效的新途径. 相似文献
10.
11.
摘要:轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近。利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini batch策略的Adam优化算法进行参数寻优,采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度。结果表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11%。 相似文献
12.
摘要:轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近。利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini batch策略的Adam优化算法进行参数寻优,采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度。结果表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11%。 相似文献
13.
轧制压力横向分布规律对快速轧辊轧件一体化模型的建立、轧辊磨损及辊形预测具有重要的意义。为简洁有效地描述轧制压力横向分布,提出了轧制压力横向分布表征指标,即边中比、高次程度、一次非对称度及三次非对称度。通过有限单元法建立了轧件三维弹塑性变形模型,并根据实测数据对模型边界条件进行设置,研究了不同因素影响下的轧制压力横向分布规律。考虑到各生产因素对轧制压力横向分布的影响不完全独立,不易获得函数表达式,以多组工况下有限元仿真结果为基础,建立多生产因素影响下的轧制压力横向分布人工神经网络预测模型,为轧辊轧件一体化快速计算模型的建立奠定了基础。 相似文献
14.
为实现带夹层复合板异步轧制力的预报,对直接添加薄板作为中间层的不锈钢复合板进行受力分析,依据各层金属变形特点以及轧件摩擦力方向的变化,将轧制变形区划分为5个分区,考虑复合板单元体截面法向应力与剪应力在各层金属间的线性分布,借助各个分区力平衡方程,建立了带夹层复合板异步轧制力数学模型;研究了剪切屈服应力比、辊径比、摩擦因数比对各层单元体应力分布的影响以及不同压下率下中性点和连接点的位置变化规律;运用MSC.Marc有限元仿真软件,对316L/Ni/EH40复合板进行了5道次异步轧制仿真,轧制变形区受力状态与理论模型基本一致,各道次轧制力大小与理论计算值误差在10%以内,结果表明,本模型可为带夹层复合板异步轧制力精准预报提供理论指导。 相似文献
15.
16.
17.
18.
����������� ����÷ 《钢铁研究学报》2015,27(11):33-37
Aiming at the inherent defects of the traditional blast furnace temperature model, a kind of grey relational analysis based ELM (extreme learning machine) temperature prediction model was put forward. Due to the characteristics of ironmaking process with multivariable nonlinear, strong coupling, the traditional modeling methods were unable to meet the requirements of high precision prediction of blast furnace temperature. Firstly, the correlation of input variables was analyzed with the gray correlation analysis, and then the performance of the model was improved. Secondly, combined with analytical variables, the neural network was trained by ELM learning algorithm. Finally, the field data was used for training and testing of the network, and then compared with the traditional model. The results show that the model can predict the blast furnace temperature quickly and accurately, and also can meet the guide workers to manipulate the needs of blast furnace. 相似文献
19.
20.
摘要:采用刚塑性有限元法解析了宽厚板立轧过程中头、尾凹形和边部狗骨的形成规律。轧件长度中心区域立轧时主变形区前、后外端约束始终存在,该区金属进入主变形区前后均没有协调运动,形成的狗骨较高,长度较小。轧件头部区域立轧时主变形区后外端约束始终存在而前外端约束逐渐形成,主变形区内金属易于沿轧件宽度和长度方向流动,轧件头部区域金属离开主变形区后的协调运动导致其头部宽度不足和头部凹形增大。轧件尾部区域立轧时主变形区前外端约束始终存在而后外端约束逐渐消失,主变形区内金属易于沿轧件宽度和长度方向流动,尾部区域金属在进入主变形区之前的协调运动增大了轧件尾部凹形。研究成果可用于指导热轧宽厚板立轧头尾短行程控制轧制和开发新的宽厚板平面形状控制技术。 相似文献