-
题名基于改进的BP神经网络无缝钢管连轧轧制力的预测
被引量：6
- 1
-
-
作者
张坚
双远华
胡建华
穆佳浩
赵铁林
-
机构
太原科技大学重型机械教育部工程研究中心
太原科技大学材料科学与工程学院
太原重工股份有限公司
-
出处
《锻压技术》
CAS
CSCD
北大核心
2022年第5期153-160,共8页
-
基金
山西省科技重大专项(20191102009)
山西省重点研发项目(201903D121049)。
-
文摘
无缝钢管连轧过程具有多变量、强耦合、非线性等特点,传统的数学模型无法对一些参数进行精确地预测。为了提高连轧过程中轧制力预测的精度,采用改进初始值选取方法来优化BP神经网络,建立改进的BP神经网络的轧制力预测模型。首先,采集某钢厂历史生产数据,进行预处理,通过灰色关联度确定影响轧制力的主要因素;然后,对初始值进行设置,利用MATLAB编写仿真程序对连轧机组轧制力进行预测。结果表明:基于改进的BP神经网络的轧制力预测模型具有很强的学习能力和表达能力,轧制力预测精度得到了很大的提高,对实际的生产具有重要意义。
-
关键词
无缝钢管
轧制力
初始值选取方法
灰色关联分析
改进的BP神经网络
-
Keywords
seamless steel pipe
rolling force
initial value selection method
grey correlation analysis
improved BP neural network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
