排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
在冷轧弯曲矫直过程中,针对拉矫机工艺参数设置问题,利用经验公式、有限元仿真建立的延伸率模型预测精度不高.为提高预测精度,基于传统解析模型与机器学习算法进行研究,比较了两种方法预测模型的精度,得到机器学习算法的延伸率预测模型要比数值解析模型的拟合优度高.比较BP神经网络算法和支持向量机(SVM)算法,得到两种机器学习算法的预测模型精度基本一致.为进一步提高预测精度,采用Adam算法对BP神经网络进行优化,采用遗传算法对SVM预测模型的参数进行优化,最终得到最优预测模型的均值绝对百分比误差MAPE以及拟合优度R○2分别为13.4%和0.953,可以为实际生产提供技术指导. 相似文献
2.
拉矫机广泛用于现代冶金企业宽幅薄板带连续生产线，其发展面临的核心问题是对布置于矫直机前后的张紧辊组驱动电机功率的优化匹配.围绕此工程需求，基于功率平衡法、键合图法等理论，建立传动系统功率键合图模型，以某现代钢企冷轧板带产线在役差动式拉矫机为案例，研究其功率传递动态特性.结果表明在拉矫传动系统生产不同规格带钢时，差动式拉矫机传动构型在启动初期低转速阶段，主传动电机功率发生波动概率增大，引发构件变形量增加进而导致设备安全服役概率下降，通过现场工业试验计算得到模型的均值绝对百分比误差为9.3%,验证了模型准确性. 相似文献
1