基于径向基神经网络的薄板平整轧制力预报模型

冷轧薄板在平整轧制时具有轧件厚度薄、压下率小的特点,其平整轧制力往往计算困难,精度难以保证.针对上述情况,提出一种基于参数修正的轧制力数学模型来计算其平整轧制力.同时,为进一步提高计算精度,运用RBF(Radial Basis Function)神经网络来预测该平整轧制力数学模型的计算误差,并将该误差与数学模型的计算值相结合,完成对其的修正.离线仿真结果表明,薄板平整轧制力数学模型在经过自身修正参数及RBF神经网络的2次修正后,计算精度可达到6%以内,具有较高的工程应用价值.

薄板平整机负载辊缝的数学模型研究

针对薄带钢平整轧制时厚度薄、压下率小的特点,结合参数修正与非线性回归分析,建立了平整机负载辊缝模型,计算结果表明,该模型符合实际轧制情况,计算精度高,相对误差小,能够准确预报板形。