邱红雷
,
田勇
,
赵忠
钢铁研究学报
在中厚板生产过程中,用传统轧制力模型预报中厚板轧机轧制力时存在着较大的误差.为了提高中厚板轧机轧制力的预报精度,采用轧制力模型自适应与人工神经元网络相结合的方法进行中厚板轧制力的在线预报.应用结果表明,采用本方法预报轧制力时精度优于传统的数学模型,相对误差可以控制在±3%以内.
关键词:
自适应
,
人工神经元网络
,
BP算法
,
轧制力预报
杨景明
,
刘舒慧
,
车海军
,
孙晓娜
钢铁
用神经网络模型代替传统的数学模型,达到提高轧制参数预报精度的日的.在分析了轧制原理的基础上设计了神经网络冷连轧参数预报模型,并针对前向网络反向传播算法(BP)收敛速度缓慢和易陷入局部极小点的缺点,将有全局寻优特件的模拟退火算法(SA)与之结合得到具有较快收敛速度和较高逼近精度的神经网络轧制参数预报模型,提高了,网络的快速性和精确性.最后以轧制力预报为例,证明了该方法收敛速度快,稳定性好,可信度高,具有较好的应用前景.
关键词:
冷连轧
,
轧制力预报
,
BP神经网络
,
模拟退火算法
王秀梅
,
王国栋
,
刘相华
钢铁
针对传统轧制力模型的固有缺陷,为了提高精轧机组轧制力预设定精度,提出一种将人工神经网络和数学模型相结合的新方法,用于热连轧精轧机组轧制力的预设定.离线仿真表明,采用本文所述的方法,预报精度优于传统方法.预报结果的相对误差限制在±5 %以内.
关键词:
人工神经网络
,
BP算法
,
数学模型
,
轧制力预报
张凤琴
,
刘娟
,
徐建忠
,
刘相华
,
王国栋
上海金属
doi:10.3969/j.issn.1001-7208.2004.04.010
利用BP神经网络,以某热轧厂粗轧机组数据库中的数据为训练样本,采用两种训练方案,对粗轧过程轧制力进行预测.BP网络的预报精度,既与训练样本的选取有关,又与隐层节点的个数以及相对化系数的大小有着密切的联系.以上因素选取得当,能够提高网络的预报精度,若选取不当,则降低网络的预报精度.
关键词:
带钢粗轧
,
轧制力预报
,
BP神经网络
,
神经元
杨景明
,
孙晓娜
,
车海军
,
刘畅
钢铁
为提高冷连轧机轧制力的预报精度和预报速度,用蚁群算法和神经网络相结合的方法进行轧制力预报模型设计.根据轧制原理建_、芏了BP神经网络冷连轧机轧制力预报模型,以网络权值和阈值为自变量,网络预报误差为目标函数,通过蚁群多代运算,找出预报误差全局最小值,再将相应的权值和阈值输人网络进行训练.应用某厂1 450 mm冷连轧机的实测数据进行离线计算的结果表明,该方法能够防止BP网络陷入局部极小点,且收敛速度快,可作为轧制力预报的新方法在实际应用中加以推广.
关键词:
冷连轧机
,
轧制力预报
,
神经网络
,
蚁群算法
吕程
,
王国栋
,
刘相华
,
姜正义
,
朱洪涛
,
袁建光
,
解旗
钢铁
以实测数据为基础,在精轧预设定中采用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,提出改善神经网络预报精度的一些方法.预报结果和实测数据比较表明,预报精度有较大的提高.为满足现场要求提出神经网络预报轧制力在线应用方案.
关键词:
BP神经网络
,
轧制力预报
,
热连轧
邱红雷
,
胡贤磊
,
刘相华
,
王国栋
材料与冶金学报
doi:10.3969/j.issn.1671-6620.2002.02.016
在实际生产过程中,传统轧制力模型在计算中板轧机轧制力时存在着较大的误差,为了提高中厚板轧机轧制力的预报精度,提出了一种将人工神经元网络用于轧制力预报数学模型中,进行轧制力预设定.离线仿真表明,采用本文所述的方法,预报精度要优于传统的数学模型,预报精度的相对误差可以控制在士4%以内.
关键词:
人工神经元网络
,
BP算法
,
轧制力预报
