张延华
,
刘相华
,
王国栋
钢铁
为了提高中厚钢板轧制负荷的预测精度,提出利用在线智能化信息处理技术进行建立轧制过程负荷分配模型的新方法.该方法采用知识发现(KDD)和数据挖掘(DM)对轧制运行数据库进行挖掘,建立知识模型和数学模型相结合的负荷分配模型.实现轧制过程负荷模型的在线维护和优化.离线模拟与在线应用证明了该方法的有效性.
关键词:
中厚钢板轧制
,
负荷分配模型
,
知识发现
,
数据挖掘
张延华
,
刘相华
,
王国栋
钢铁研究学报
由于传统的中厚板轧制力计算模型结构简单,并且要测量模型中的一些参数较困难,即使采用一定自适应技术,也难以适应不断提高的中厚板尺寸精度的要求.为了提高中厚板轧机的轧制力预设定精度,笔者采用基于模糊理论计算轧制力参数算法,利用现场采集的数据进行了计算.结果表明,该方法的预测精度优于传统数学模型,预测结果的相对误差基本限制在±6%范围内.
关键词:
中厚板
,
轧制
,
轧制力
,
模糊理论
,
算法
张延华
,
刘相华
,
王国栋
材料与冶金学报
doi:10.3969/j.issn.1671-6620.2004.03.013
以实测数据为基础,在中厚板轧制设定中采用BP神经网络的方法取代传统的轧制力数学模型,并对神经网络输入项和训练样本进行分析,将传统轧制力模型的自学习过程引入神经元网络用于轧制力预报,改善预报精度.采用模糊聚类分析方法,科学选取学习样本,解决了由于样本多学习速度慢的问题.通过在线数据分析,可知这种方法对轧制力的预报精度有很大改善,而且神经元网络的结构也得到简化.此方法可以作为神经元网络应用的一个拓展.
关键词:
BP神经网络
,
聚类
,
轧制力
,
自学习
