基于神经网络的轧制力模型参数辨识.doc

基于神经网络的轧制力模型参数辨识.doc

ID:55690942

大小:64.50 KB

页数:7页

时间:2020-05-25

基于神经网络的轧制力模型参数辨识.doc_第1页
基于神经网络的轧制力模型参数辨识.doc_第2页
基于神经网络的轧制力模型参数辨识.doc_第3页
基于神经网络的轧制力模型参数辨识.doc_第4页
基于神经网络的轧制力模型参数辨识.doc_第5页
资源描述:

《基于神经网络的轧制力模型参数辨识.doc》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、基于神经网络的轧制力模型参数辨识王秀梅 王国栋 刘相华 邹天来 张弓 李洪斌摘 要:为了提高热连轧轧制力预设定值的精度,提出一种新的轧制力模型参数辨识方法。利用人工神经网络对以往的大量生产数据进行训练、预测,将预测结果结合轧制力模型,对轧制力模型中的温度相关系数m1、变形速度相关系数m3进行辨识。现场生产实践表明,采用辨识后的模型进行轧制力预设定,带钢头部厚度精度有明显提高。对于象本钢热连轧厂这样的老企业,这种新方法更具有在线应用的可行性。关键词:热连轧 轧制力 数学模型 神经网络 参数辨识IDENTIFICATIONOFPARAMET

2、ERSOFNERVENETWORKBASEDROLLINGMODELWangXiumei WangGuodong LiuXianghua(NortheasternUniversity)ZouTianlai ZhangGong LiHongbin(BenxiIron&SteelCorp.)Abstract:Inordertoraisetheaccuracyofthepresetrollingforceofthecontinuoushotrollingmillanewmethodidentifyingtheparametersfromthe

3、rollingforcemodelhasbeenputforward,inwhichanartificialnervenetworkisutilizedtotrainandpredictagreatvolumeofthepastproductiondataandthenusethepredictedoutcometoidentifythetemperaturerelatedcoefficiencym1andthedeformationspeedrelatedcoefficiencym3incombinationwiththerollin

4、gmodel.productionpracticedemonstratesthatthegaugeaccuracyatthestripheadcanbedrasticallyraisedaslongastheidentifiedmodelisusedtopresettherollingforce.Agreaterfeasibilityofon-lineapplicationofthenewmethodexistsfortheoldenterprisesjustliketheContinuousHotRollingMillofBenxiI

5、ron&SteelCorp.Keywords:continuoushotrolling rollingforce mathematicalmodel nervenetwork parameteridentification▲1 前 言  热连轧过程中,影响带钢实际轧出厚度的主要因素是空载辊缝、轧机刚度以及轧制力,其中轧制力的预报精度是影响带钢轧出厚度的主要因素。随着用户对带钢厚度、板形精度的要求越来越高,如何提高轧制力预设定精度的问题也越来越迫切。传统的轧制力计算是借助于数学模型来进行的。考虑到在线控制时的实际情况,一般希望在线控制模型

6、能够简单一些。为此在模型结构形式上要采取一些简化措施,参数变量也应该尽量少,这就造成了数学模型的不完整性,因而也就难于对客观对象提供精确的描述。所以常规的轧制力计算公式不能提供足够精确的近似值。即使采用自适应技术,利用实测数据修正模型参数也会由于模型本身结构的限制,难于适应实际生产过程。通常,提高轧制力数学模型精度的手段主要是通过把轧制前的设定值和轧制后的实测值进行比较,对数学模型中所包含的参数进行学习和修正。为了提高精轧机组轧制力预设定值精度,德国Krupp-Hoesch钢铁公司Westfalen热轧厂在热带钢连轧生产中采用了神经网络

7、这一新的信息处理工具,取得良好的效果[1]。  本钢1700mm轧机是我国自行设计、制造、安装的第1套大型热带钢轧机。受历史条件限制,该轧机存在一系列缺点。其中计算机控制系统的封闭性,使得设定模型部分的修改极为困难。对于本钢热连轧厂,由于控制系统的封闭型,使得神经网络的在线应用存在很大困难,提高轧制力预设定值精度的主要方法还是修正设定模型中的各项系数。为了提高在线应用的可行性,在设定模型参数辩识中应用了神经网络这一新的信息处理方法。利用大量的历史数据,建立神经网络权系数矩阵,用于预报轧制力。预报方法与传统方法不同,输入变量中,同时改变轧

8、件温度计算值和轧辊转速,将得到的预报结果作为轧制力计算模型中轧制力的设定值,分别辩识出和轧制温度相关的系数m1以及和轧制速度相关的系数m3。2 轧制力模型  本钢热连轧厂的轧制力计算按照Sims轧制理论进行

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。