何亚元
,
严翔
,
李立新
,
周千学
,
官计生
机械工程材料
使用数学模型和BP神经网络相结合的方法对轧制力进行预测.与大多数神经网络仅选取轧制变量作为输入量不同,该BP神经网络增加了喷油量和轧制力模型计算值作为输入变量以考虑摩擦对轧制力的影响,避免过大的轧制力预测偏差,从而形成了11×7×1的网络结构,并和轧制力模型组合构成CSP生产线轧制力预测模型.结果表明:该神经网络模型预测值与实测平均值的平均相对误差仅为1.08％,轧制力模型的平均相对误差为6.32％,该神经网络对轧制力实测平均值的跟踪能力更好,有较高的工程应用价值.
关键词:
BP神经网络
,
轧制力模型
,
喷油量
,
CSP生产线
何亚元
,
严翔
,
李立新
钢铁研究学报
根据CSP生产线的轧制特点,结合Sims和Bland-Ford-Hill应力状态系数模型的结构形式,建立了优化的应力状态系数模型,并用其计算轧制力,结果表明,计算误差大大减小,平均相对误差为6.32％,较Sims和Bland-Ford-Hill应力状态系数模型均下降了50％以上,该模型能更准确地预报武钢CSP生产线各机架的应力状态系数,对于实际生产具有十分重要的理论意义和实用价值.
关键词:
CSP
,
应力状态系数模型
,
轧制力
