共查询到18条相似文献,搜索用时 140 毫秒
1.
2.
以实际生产数据为基础,建立热轧产品性能预报神经网络模型;通过BP网络实现逆映射,建立工艺参数设计的神经网络模块.试验结果表明,产品性能神经网络模型与工艺参数优化神经网络模型十分可靠,为解决热轧产品性能预报与工艺优化设计问题提供科学的途径. 相似文献
3.
4.
5.
宝钢2050热轧短行程控制模型研究 总被引:1,自引:0,他引:1
为提高热轧带钢短行程控制精度,将折线模型改进为光滑模型,研究了短行程控制的多项式模型和RBF神经网络模型,进行了仿真分析,并投入现场使用。 相似文献
6.
神经网络结合数学模型预测带钢卷取温度 总被引:12,自引:1,他引:11
提出了一种与传统数学模型相结合的神经网络建模方法,用于预测热轧带钢的卷取温度。文中以实际生产数据为实例进行了计算,证明效果良好,有在线实际应用的前景。 相似文献
7.
8.
变形抗力作为冷轧工艺设定中重要的材料和控制参数,计算精度直接影响到轧制力设定精度,继而影响带钢平坦度等质量指标的控制精度。针对变形抗力机制模型设定精度低、无法考虑热轧过程参数遗传影响等问题,采用鲸鱼优化算法(WOA)优化BP神经网络建立预测模型(WOA-BP),并通过现场收集的热、冷轧历史过程工艺参数对模型进行训练。WOA-BP模型预测结果表明,平均绝对值误差为10.42,平均绝对百分比误差为1.22,平均均方根误差为13.13,均优于BP神经网络模型,弥补了BP神经网络处理复杂的非线性问题训练时间长、预测精度低等缺点。与传统依托冷轧单工序建立的机制模型相比,考虑热轧工艺参数后,变形抗力预测误差由±15%降低至±6%,应用于L2级系统模型设定后,轧制力精度平均提高了2.09%。 相似文献
9.
10.
热轧带钢精轧机组的厚度设定与控制新技术 总被引:4,自引:0,他引:4
综述了目前在提高厚度精度方面所采用的新技术、新方法、尤其是神经网络,模糊控制等人工智能新技术在厚度设定方面的应用。为热轧带钢精轧机组厚度设定模型的研究提供了全新的方法,促进了现场厚度控制精度进一步提高。 相似文献
11.
12.
13.
摘要:轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近。利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini batch策略的Adam优化算法进行参数寻优,采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度。结果表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11%。 相似文献
14.
摘要:轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近。利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini batch策略的Adam优化算法进行参数寻优,采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度。结果表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11%。 相似文献
15.
采用BP神经网络方法建立了铝热连轧精轧机组出口厚度预测模型,采用试错法解决了中间隐层最佳隐层单元数的问题,采用回归法确定了轧机的相关弹性系数,建立了轧机的弹跳方程数学模型。通过比较有、无传统弹跳方程数学模型输入的神经网络厚度预测模型,确定了弹跳方程对神经网络在热连轧厚度预报应用中的重要性,提出了BP神经网络与数学模型相结合的综合网络方法。相比全部使用整体神经网络,中间隐层最佳隐层单元数减小,网络结构得以简化,网络负担减小,网络的泛化能力也得到加强,同时也进一步提高了预报精度。预测结果与实测数据对比表明,相对误差在1%以内,实现了高精度预报,为铝热连轧出口厚度预报提供了一条准确高效的新途径。 相似文献
16.
17.
基于现场生产冷轧极薄不锈钢带材表面硬度极难控制的问题,针对301S不锈钢的冷轧生产工艺进行了研究,分析了不锈钢冷轧生产过程中影响表面硬度的相关工艺参数,得出材料的抗拉强度、轧制速度、轧制油温度和压下率是影响轧后材料表面硬度的关键因素。利用BP神经网络建立了预测表面硬度的非线性映射模型,并根据此模型得出了预测数据的趋势图谱。研究结果表明,压下率的变化对冷轧不锈钢表面硬度的调节能力最强,而其他参数对硬度的影响为10HV左右。经检验,模型的预测值和实测值的相对误差为-2.63%~2.76%,预测结果准确率高,可以用于产品质量的现场在线控制。 相似文献
18.