系统仿真学报
繫統倣真學報
계통방진학보
JOURNAL OF SYSTEM SIMULATION
2005年
1期
7-10,15
,共5页
刘兴刚%丛德宏%郝丽娜%徐心和%李山青
劉興剛%叢德宏%郝麗娜%徐心和%李山青
류흥강%총덕굉%학려나%서심화%리산청
冷连轧%轧制力模型%神经网络%Levenberg-Marquardt 算法%数据库
冷連軋%軋製力模型%神經網絡%Levenberg-Marquardt 算法%數據庫
랭련알%알제력모형%신경망락%Levenberg-Marquardt 산법%수거고
冷连轧过程控制的轧制力模型对于提高轧制精度和降低生产成本具有重要的意义,而传统的轧制力模型结构简单,精度较低,即使在实际生产中采用自适应技术,也无法满足高精度轧制的需要.为此针对5机架冷连轧机,提出并联结构的BP神经网络模型;采用Levenberg-Marquardt 算法进行训练,确定网络的结构和参数;在数据库中建立钢种与神经网络的结构和参数一一对应的关系表,保存网络训练结果.对神经网络模型的仿真测试表明该神经网络轧制力模型有较强的泛化能力,收敛速度快,不易陷入局部最优,精度明显高于传统的轧制力模型.
冷連軋過程控製的軋製力模型對于提高軋製精度和降低生產成本具有重要的意義,而傳統的軋製力模型結構簡單,精度較低,即使在實際生產中採用自適應技術,也無法滿足高精度軋製的需要.為此針對5機架冷連軋機,提齣併聯結構的BP神經網絡模型;採用Levenberg-Marquardt 算法進行訓練,確定網絡的結構和參數;在數據庫中建立鋼種與神經網絡的結構和參數一一對應的關繫錶,保存網絡訓練結果.對神經網絡模型的倣真測試錶明該神經網絡軋製力模型有較彊的汎化能力,收斂速度快,不易陷入跼部最優,精度明顯高于傳統的軋製力模型.
랭련알과정공제적알제력모형대우제고알제정도화강저생산성본구유중요적의의,이전통적알제력모형결구간단,정도교저,즉사재실제생산중채용자괄응기술,야무법만족고정도알제적수요.위차침대5궤가랭련알궤,제출병련결구적BP신경망락모형;채용Levenberg-Marquardt 산법진행훈련,학정망락적결구화삼수;재수거고중건립강충여신경망락적결구화삼수일일대응적관계표,보존망락훈련결과.대신경망락모형적방진측시표명해신경망락알제력모형유교강적범화능력,수렴속도쾌,불역함입국부최우,정도명현고우전통적알제력모형.
