共查询到10条相似文献,搜索用时 15 毫秒
1.
无缝钢管连轧过程具有多变量、强耦合、非线性等特点,传统的数学模型无法对一些参数进行精确地预测。为了提高连轧过程中轧制力预测的精度,采用改进初始值选取方法来优化BP神经网络,建立改进的BP神经网络的轧制力预测模型。首先,采集某钢厂历史生产数据,进行预处理,通过灰色关联度确定影响轧制力的主要因素;然后,对初始值进行设置,利用MATLAB编写仿真程序对连轧机组轧制力进行预测。结果表明:基于改进的BP神经网络的轧制力预测模型具有很强的学习能力和表达能力,轧制力预测精度得到了很大的提高,对实际的生产具有重要意义。 相似文献
2.
利用人工神经网络预测热连轧精轧机组带钢宽度变化 总被引:5,自引:0,他引:5
采用BP神经网络方法代替传统的数学模型预测精轧机组轧制带钢的宽度变化,以提高热轧带钢的宽度精度,并进行了不同网络结构的比较研究。结果表明,BP神经网络方法优于传统数学模型方法,其预测值与实测值的标准差减小了51.9%。 相似文献
3.
宽度精度是热轧带钢成形过程的重要指标,准确预测精轧宽度有助于及时修正粗轧宽度设定模型,提高成品带钢的宽度精度。然而,依据轧制机理建立的宽度预测模型偏离实际工况从而精度较低,依据神经网络建立的模型由于过程黑箱导致可信度低。为此,提出了一种融合轧制机理和人工神经网络的热轧带钢精轧宽度组合预测模型,以基于Hill公式的机理模型计算精轧宽度的预测基准值,以基于深度置信网络(DBN)的深度学习模型预测精轧宽度的修正值。选取实际生产的2 730组数据中的49个特征值作为试验数据进行建模分析,结果表明:该组合模型预测精度高、稳定性好且预测时间短,其均方根误差为0.428 15 mm,相比机理模型降低了79.6%,相比神经网络模型降低了6.2%,实现了精轧宽度的高精度预测。 相似文献
4.
为了提高平整轧制力的预报精度,采用有限元法(finite element method, FEM)与人工神经网络(artificial neural network, ANN)相结合的方法,对DP980和CP1180超高强冷轧带钢在平整轧制过程中的轧制力进行预测。通过建立平整轧制过程的数学模型,利用有限元法设计了不同工况下的数值模拟试验,为神经网络模型生成训练数据。将摩擦因数与轧制力关联进行迭代优化后作为神经网络模型的输入参数。该轧制力预测方法计算迅速,预测误差在10%以内。 相似文献
5.
6.
7.
8.
9.
铣削过程的复杂性和铣削力产生的多因素性使得铣削力预测模型很难建立.论文在遗传算法与BP网络模型相结合的基础上,利用遗传算法训练神经网络权重的方法,建立了铣削力预测的遗传神经网络模型.最后将神经网络预测结果与实验数据进行比较和误差分析,证明了该神经网络能够准确地预测铣削力的大小. 相似文献
10.
针对某厂S620GT热轧带钢平整后由下C翘改变为上C翘且其高度平均值达35.9 mm的问题,对带钢C翘方式改变的机理进行了研究。分析认为,平整机下支撑辊传动造成带钢上下表面塑性变形区、前后滑区长度、前后滑值、中性点位置、摩擦力大小等变化,形成上下表面应力差,产生上C翘缺陷。通过开展有限元分析,明确了平整工作辊的配辊要求,即上工作辊辊径大于下工作辊辊径,辊径差在3 mm以内;对比分析工艺参数,开展DOE试验,得到张力为影响热轧平整C翘的关键影响因子,轧制力、弯辊力为重要影响因子,并得到工艺参数的最优组合(张力 220 kN、轧制力 4 000 kN、弯辊力-50 kN)。平整工艺参数优化后,C翘缺陷高度平均值从35.9 mm降至21.5 mm,C翘缺陷控制的准确性与稳定性显著提高。 相似文献