基于FEM-ANN的高强度冷轧带钢平整轧制力预测

为了提高平整轧制力的预报精度,采用有限元法(finite element method,FEM)与人工神经网络(artificial neural network,ANN)相结合的方法,对DP980和CP1180超高强冷轧带钢在平整轧制过程中的轧制力进行预测。通过建立平整轧制过程的数学模型,利用有限元法设计了不同工况下的数值模拟试验,为神经网络模型生成训练数据。将摩擦因数与轧制力关联进行迭代优化后作为神经网络模型的输入参数。该轧制力预测方法计算迅速,预测误差在10%以内。

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.

遗传神经网络在平整轧制力预报中的应用

研究了平整轧制力设定的人工智能实现方法 ,采用改进的混合 GA-BP遗传神经网络算法建立了平整轧制力预报模型。传统数学模型与遗传神经网络方法获得的统计数据表明 。