基于GRA的PSO-BP神经网络斜轧穿孔管形预测北大核心CSCD

针对斜轧穿孔中无缝钢管管形计算复杂且精度不高的缺陷,提出了基于灰色关联度分析(GRA)的PSO-BP神经网络管形预测模型。由于轧制过程中影响管形的因素较多,通过灰色关联度分析对工艺参数进行了相关性分析,选择相关度较高的影响因素作为输入;并使用粒子群优化算法对BP神经网络进行优化,确定了最佳的神经网络结构,构建了无缝钢管的斜轧穿孔管形预测模型。最后,应用现场数据对该模型进行了训练和测试,并将其与BP神经网络和传统数学模型进行了对比分析。研究结果表明:该预测模型的精度较高、可靠性较好,为提高无缝钢管的生产质量奠定了基础。