模糊小脑模型神经网络在多辊冷连轧机轧制力预报模型中的应用

针对宽带钢多辊冷连轧机组特点,为提高轧制力的预报精度,在结合传统轧制压力模型的基础上把模糊算法和神经网络有机结合,设计出基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型.通过对传统轧制力模型计算值、小脑模型预报计算值与实测值进行对比分析可知,基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型具有较高的计算精度,更适合于多辊轧机在线计算机过程控制的应用,满足现场在线生产的要求,取得良好的板形板厚控制效果.     

基于遗传算法的BP网络优化研究

将遗传算法（ＧＡ）用于对ＢＰ网络权重的优化，不必对其进行参数调整，减少了训练的次数和计算量，且不会造成局部最优，多数影响遗传优化效果的规律得以确定、说明ＧＡ对神经网络的优化是可行的。     

修正遗传神经网络预测中厚板轧机轧制力

在实际生产过程中,传统轧制力数学模型存在较大误差,影响计算精度.提出将BP网络与修正遗传算法相结合,利用BP网络的指导性搜索思想和遗传算法的全局搜索能力预测中厚板轧机轧制力,并建立预测模型.同时,根据模型编制相应的程序及界面.以邯钢中板厂、普阳中板厂现场数据为基础,通过数据优选,选择较优数据进行离线轧制力预测,预测精度优于传统的数学模型,预报精度的相对误差可以控制在4%以内,能够满足生产需要.     

基于GRNN的中厚板轧机压力预测模型

为了实现中厚板轧机在轧制过程中的压力变化自动预测和控制,分析了轧制过程中压力变化的影响因素,在神经网络技术和现场实测数据的基础上,利用Matlab人工神经网络工具箱,应用广义回归神经网络建立压力变化预测模型来提高轧制压力变化预测的精度.经过对现场实测数据的处理,分析了工作辊直径和初始板坯宽度对轧制压力网络模型精度的影响.指出随着工作辊直径的增大,网络的精度逐渐降低;随着选用初始板坯宽度的增大,网络模型的精度逐渐增高.结果表明:该方法建立的模型可以实现对压力变化的预测,且预测精度有较大提高.     

基于人工神经网络铝箔轧机轧制力模型

彩用ＢＰ神经网络原理对１３５０ｍｍ铝箔轧机轧制数据重新处理，建立了基于人工神经网络的轧制务模型。结果表明，用人工神经网络轧制力模型的计算值与实测值相比偏差〈３％该模型较真实地反映了轧制过程的特征。     

基于神经网络的冷连轧机轧制力预报模型

为了提高冷连轧机轧制力预报精度，提出一种解析数学模型结合神经网络校正模型的计算方法，建立冷连轧机轧制力预报模型。采用径向基函数的局部映射和全局线性映射相结合的神经网络校正模型求解带钢变形抗力和轧制变形区的摩擦因数；并采用轧制变形区离散化方法分析轧制变形区内张力、摩擦力及金属变形抗力等在带钢轧制方向上的分布规律，从而建立轧制力在线计算数学模型。现场实测数据离线仿真结果表明，采用此基于神经网络的冷连轧机轧制力预报模型预测轧制力，其预测误差小于8．9％，此模型能用于指导生产实践。     

基于人工神经网络的扁钢轧制力模型

根据ＢＰ人工神经网络算法原理,结合某厂型钢轧机轧制扁钢时的轧制力实测数据,对扁钢轧制力进行建模,结果表明,神经网络用于轧制力建模是可行的,所建模型系统误差〈１％,模型计算值与实测值的偏差,４％,较好地反映了实际轧制过程的特征。     

基于遗传神经网络的插铣铣削力建模与分析

本文首先对插铣铣削力进行了理论分析,并基于正交试验方法对铣削力进行了测量试验,然后利用遗传算法对BP神经网络的权值和阈值进行优化,建立了预测铣削力的遗传神经网络模型,最后将经过遗传算法优化的BP网络与未优化的进行对比分析.结果表明,经遗传算法优化后BP网络模型预测误差明显减小,网络的计算精度和收敛速度有了显著提高.     

松花江流域蓄滞洪区方案优选智能决策研究

针对松花江流域防洪工程重要组成部分的蓄滞洪区，基于陈守煜提出的模糊优选BP神经网络模型，引入了遗传算法，提出融入遗传算法的模糊优选神经网络智能决策模型，对松花江流域蓄滞洪区方案优选进行智能决策．该模型既能合理地构造神经网络的拓扑结构，又可加快网络的收敛速度，并能改善网络的全局寻优能力，是对模糊优选BP神经网络模型的进一步发展，同时更对松花江流域蓄滞洪区的优选提供了理论依据．     

改进型RBF神经网络在系统建模中的应用

提出了一种新的RBF神经网络的设计方法,采用遗传-K均值聚类算法对RBF神经网络的隐层节点中心值进行优选,用遗传算法训练RBF神经网络的权值。以锅炉燃烧为实例,通过从现场采集的数据建立神经网络模型,使用改进的算法建立系统的神经网络模型,结果证明了该方法的有效性。     

基于目标函数的冷连轧轧制力模型参数自适应

为提高轧制力模型的预报精度,提出了一种基于目标函数的轧制力模型参数寻优方法该方法通过建立轧制力模型参数自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,采用Nelder-Mead单纯形算法对目标函数进行求解,从而获得满足轧制力精度的模型自适应系数本文提出的轧制力模型参数自适应方法已应用于某1700mm五机架冷连轧机组.现场应用表明:采用轧制力模型参数自适应后,轧制力模型计算值与实测值的均方差由不采用自适应的129%降至32%,证明该参数自适应方法能显著提高轧制力模型预报精度,满足在线控制要求.     

基于多神经网络的热连轧轧制力预计算

提出使用BP、RBF混合网络建立的多神经网络来预报热连轧轧制力。工程实例说明，相对于传统数学模型和单神经网络建立的数学模型，多神经网络在预报精度和网络冗余方面占有较大优势。文中建模方法也为．研究多变量复杂工程提出了一条新思路。     

2180 mm冷连轧机各机架对成品板形的影响

为了分析冷连轧机机架间的相互影响以及各机架对成品板形的影响,基于冷连轧凸度和平坦度模型,采用影响系数法建立了冷连轧机的板形调控功效模型.针对某2 180 mm冷连轧机组,结合其4个典型轧制规程,对不同机架板形调控功效进行了具体分析,可以看出,对于同一轧制规程,各机架对成品板形的影响差别很大,越靠近末机架,影响越大.在冷连轧机的5个机架中,除了末机架即第5机架外,对成品板形影响最大的为第4机架,最大影响接近10 IU（1 IU=10-5）,且不同机架各板形调控手段对成品板形的影响系数在机架间相差10-3数量级.最后,对板形数据进行了统计分析及相关轧制试验来分析结论的可靠性.      

不锈钢冷连轧板带的表面粗糙度建模

针对不锈钢冷连轧生产工艺的特点,在引入转印率和遗传因子概念的基础上,通过深入的理论分析,推导出带钢表面粗糙度理论模型.首先通过SUS430不锈钢冷轧润滑实验进行表面粗糙度研究,定量分析压下率、来料厚度、带钢变形抗力和乳化液工艺参数等对转印率和遗传因子的影响,给出了轧辊粗糙度衰减函数方程,并对末机架入口带钢表面粗糙度进行近似求解,最终建立了不锈钢冷连轧成品板面粗糙度数学模型,并将其应用到冷连轧生产实践中.统计结果表明,粗糙度模型计算值与实测值的相对误差小于634%,该模型具有较高的精度和较好的泛化能力.     

冷连轧机架间张力设定在线优化算法

针对冷连轧机架间张力设定优化问题,基于嵌入模糊规则的遗传算法,建立0-1整数规划模型,提出冷连轧机架间张力设定在线优化算法.该算法既可以提高生产线生产效率,降低电机能耗,改善冷连轧产品质量,也具备运算速度快,在线参数自学习的特点.对本钢1767冷连轧机架间张力设定优化的实践表明,嵌入模糊规则的遗传算法能够在线应用,解决冷连轧机张力决策中的优化问题,对冷连轧机组高效运行的进一步相关研究探索有借鉴作用.     

冷带非稳态轧制弯辊力设定值的研究与应用

为研究非稳态轧制状态下弯辊力对板形的影响,在理论分析和实际应用的基础上,应用力学和控制方法对在非稳态轧制状态下的弯辊力设定值进行了分析.针对在非稳态轧制状态下轧制力、摩擦力和加减速对冷轧弯辊力的影响,提出了冷轧非稳态弯辊力数学模型表达方式.研究表明,弯辊力通过轧制力对弯辊力的影响系数进行动态调整,轧制速度通过摩擦力来影响弯辊力.该模型成功应用于1450冷轧生产线且取得良好的控制效果,为现场调控非稳态弯辊力提供了有力的理论支持.     

冷连轧生产过程同步数据的建立与应用

针对冷连轧生产过程中现有的数据采集与分析系统的不足,结合某1450 mm五机架冷连轧机组仪表配置,提出了一种冷连轧机带钢段同步数据的建立方法.该方法主要包括快照数据建立和同步数据构建两个过程,可以将带钢轧制过程中实时采集的实测轧制参数映射到成品钢卷的长度上,通过同步数据可以查看每卷带钢在任意长度上的轧制数据.本文所提出的带钢段同步数据的建立方法已投入到某1450 mm冷连轧机组生产中,自投入运行后控制系统运行稳定,为快速诊断生产故障、分析成品钢卷质量提供了有力的手段.     

四辊可逆冷轧机轧制润滑工艺实验研究

在四辊可逆冷轧机上用A,B,C和D 4种冷轧乳化液对St12带钢进行了轧制润滑工艺实验,分析比较了在相同轧制条件下4种轧制乳化液对轧制力、带钢表面反射率、带钢和轧辊表面温度等的影响规律.分析了轧制力和轧制速度的关系,利用实测轧制力数据和数学模型计算得到了摩擦因数.较好的油品润滑能力顺序为B,C,D和A,冷却能力顺序是A,C,D和B,带钢表面反射率顺序是B,D,C和A.实验研究结果对油品开发与评价,优化轧制润滑工艺参数和提高板面质量具有重要的理论和实际意义.