基于遺傳神經(jīng)網(wǎng)絡的冷軋軋制力預報模型的研究.pdf

1、為了滿足市場對帶鋼產(chǎn)品的質(zhì)量要求，提高軋制力設定精度變得越來越重要。
　　 軋制過程是一個非線性強耦合的復雜過程，建立在一定假設條件下的傳統(tǒng)軋制力數(shù)學模型，很難準確表達軋制過程的實際特性，其計算精度也很低。人工神經(jīng)網(wǎng)絡以其特有的非線性信息處理能力，為軋制力的計算開辟了新天地。
　　 本文利用神經(jīng)網(wǎng)絡和遺傳算法結(jié)合的方法，建立了基于遺傳神經(jīng)網(wǎng)絡的帶鋼冷軋軋制壓力預報模型。建模過程中，主要做了如下工作：
　　 1．分

2、析帶鋼冷軋生產(chǎn)過程的特點，確定了影響帶鋼冷軋軋制壓力的主要因素。
　　 2．利用傳統(tǒng)的軋制力數(shù)學模型求解軋制力。
　　 3．建立了基于BP神經(jīng)網(wǎng)絡的帶鋼冷軋軋制壓力模型。采用Levenberg-Marquardt算法優(yōu)化BP網(wǎng)絡，實現(xiàn)對冷軋軋制壓力的快速預報。
　　 4．建立了基于遺傳神經(jīng)網(wǎng)絡的冷軋軋制壓力預報模型。
　　 采用嵌套式計算結(jié)構(gòu)，包括主遺傳算法模塊和神經(jīng)網(wǎng)絡模塊，其中神經(jīng)網(wǎng)絡模塊中包含神經(jīng)網(wǎng)

3、絡和子遺傳算法兩部分。主遺傳算法放在程序入口處對BP網(wǎng)絡的初始權(quán)閾值及隱層神經(jīng)元數(shù)進行修正；在神經(jīng)網(wǎng)絡進行反向計算誤差時，利用子遺傳算法再次修正隱層與輸出層之間的權(quán)重和隱層閾值。
　　 利用相同的樣本數(shù)據(jù)在MATLAB中對所建模型進行仿真，并將三種模型的預測結(jié)果進行對比分析，結(jié)果表明，基于遺傳神經(jīng)網(wǎng)絡的軋制力模型的預報誤差范圍為0～±6％，明顯低于傳統(tǒng)軋制力數(shù)學模型的9％-34％和BP網(wǎng)絡模型的0～±8％，其誤差精度可以滿足生產(chǎn)