为了改善国内某钢铁厂炉卷轧机的轧制力模型的预报精度,提出将结合热模拟实验建立的传统轧制力模型计算值作为Elman神经网络的一个输入项,将传统数学模型预报的轧制力与实测轧制力的相对误差作为此神经网络输出项的方式构建网络模型,通过大量的在线数据分析,这种将神经网络与传统数学模型相结合的方法明显地改善了轧制力的预报精度.该神经网络模型可为以轧制力为主要控制目标的炉卷轧机的过程自动化系统提供可靠的模型参数.
参考文献
| [1] | 刘相华;胡贤磊;杜秀林.轧制参数计算模型及其应用[M].北京:冶金工业出版社,2007:23. |
| [2] | 孙一康.带钢热连轧数学模型基础[M].北京:冶金工业出版社,1979:32. |
| [3] | Nicklaus F. Portmann;Dieter Lindhoff;Gunter Sorgel;Otto Gramckow .Application of neural networks in rolling mill automation[J].Iron and Steel Engineer,1995(2):33-36. |
| [4] | 葛哲学;孙志强.神经网络理论与MATLABR2007实现[M].北京:电子工业出版社,2007:136. |
| [5] | 胡贤磊,王昭东,于解民,刘相华.结合模型自学习的BP神经元网络的轧制力预报[J].东北大学学报(自然科学版),2002(11):1089-1092. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%