基于BP神经网络优化的热轧板带力学性能预测

发布时间：2022-01-26 11:38

　　现如今,人们对钢铁产品的质量要求越来越严格,尤其是在力学性能方面,追求更高的稳定型和高精度。在长期的生产过程中,钢铁厂累积了很多生产相关资料,有了这些生产数据就可为以后生产提供可靠的参考。基于这些研究数据,以热轧产品的力学性能（分别为屈服强度、抗拉强度和伸长率）、化学的组成含量和钢铁生产中轧制参数间的相互关系,建立一个高质量的预测模型来研究热轧板带力学性能,对于热轧产品生产的指导、生产效率的提高和工艺的优化有着很大的促进作用。BP神经网络算法已经比较成熟、应用也相当广泛。本文以BP神经网络为基础对热轧板带力学性能进行预测分析,然而BP神经网络存在不足之处,如:收敛的速度慢、易陷入局部极小点值等问题。针对这些问题,引入LM（Levenberg-Marquardta）算法提高其收敛速度、遗传算法对其权值和阈值进行优化,以达到满意的预测结果。本文将以某钢厂双机架炉卷轧机的生产工艺为背景,对热轧板带的力学性能（以抗拉强度为代表）预测问题进行分析研究。基于建立的力学性能研究模型,文章首先单独运用BP算法进行预测研究。预测效果大体上良好,但对目前生产者对钢材高精度的要求来说,该模型的精度和收敛速度... 

【文章来源】：昆明理工大学云南省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图２．１双机架炉卷轧机??９??

??下图２．?２为该轧机的构造图：??可逆式四辊?可逆式四辊??ｎｎｎｎ？?０?０?ｆ??ａ?ｔ?１?（）〔）?ＬＪ??００??图２．２双机架炉卷热轧机构造??从上图可以清晰地知道该轧机构造主要有：辊道、加热炉、除磷箱、立辊轧??机、板卷箱、可逆式轧机以及卷取机等??该轧机采用了双机架四辊轧机，其对称分布的板卷箱，使轧件就可以在轧机??之间进行往复轧制。和传统炉卷机相比，轧制的效率有很大程度的提高，在保证??生产质量的同时又提高了总输出产量。??结合图２．２，易知道该轧工作过程大致包括加热、轧制、冷却和卷取四个部??分［２２］［２３］。具体的工作过程如下：??（１）

图３．２人工神经元模型??

【参考文献】：
期刊论文
[1]基于RBF神经网络的强力旋压连杆衬套力学性能预测研究[J]. 佘勇,樊文欣,陈东宝,曹存存.  锻压技术. 2016(06)
[2]基于BP神经网络的AZ91镁合金均匀化后的力学性能研究[J]. 吴雄喜.  兵器材料科学与工程. 2013(06)
[3]基于BP神经网络的Mg-Al-Si合金力学性能研究[J]. 吴新华,伊厚会.  热加工工艺. 2013(20)
[4]基于BP神经网络的回火温度对LCMB钢力学性能的影响研究[J]. 何薇,刘彦章.  热加工工艺. 2013(20)
[5]基于GABP算法的化工设备设计人工时预测[J]. 戴健伟,吉华,杨岗,樊刚,王彬.  计算机集成制造系统. 2013(07)
[6]基于多输入层遗传神经网络的热轧产品性能预测[J]. 吕志民,隋筱玥.  数据采集与处理. 2012(05)
[7]修正激励函数对标准BP算法的改进[J]. 毕小梅,陈建斌.  数字技术与应用. 2012(07)
[8]基于BP神经网络的BNS440热轧板力学性能预测[J]. 刘学伟,胡恒法.  梅山科技. 2010 (04)
[9]BP神经网络漏钢预测系统优化[J]. 厉英,王正,敖志广,翟莹莹,庞维成.  控制与决策. 2010(03)
[10]基于BP神经网络预报钢锭成分的软件开发[J]. 张毅,徐卫平,郑家良,肖纯.  微计算机信息. 2009(25)

硕士论文
[1]基于GA-BP神经网络模式识别的连铸机漏钢预报模型研究[D]. 王凯.大连理工大学 2015
[2]热轧带钢力学性能软测量方法研究[D]. 关又源.东北大学 2011
[3]宝钢1580mm热轧带钢厚度控制优化研究[D]. 王金涛.东北大学 2010
[4]基于改进BP算法的热轧带钢力学性能软测量[D]. 李昂.东北大学 2009
[5]数据挖掘在热轧板带质量预测中的应用[D]. 郑杨元.昆明理工大学 2009
[6]基于改进BP神经网络的PID控制方法的研究[D]. 刘益民.中国科学院研究生院（西安光学精密机械研究所） 2007
[7]双机架循环往复式热轧机模型在线自学习的研究[D]. 唐晓勇.昆明理工大学 2005
[8]双机架轧机数学模型自适应控制研究[D]. 王安.昆明理工大学 2005
[9]改进遗传算法及其在物流配送中心选址优化的应用[D]. 黎钧琪.武汉理工大学 2003



本文编号：3610426