基于GA-BP神经网络板材辊式矫直工艺预测模型

辊式矫直工艺是轧制生产线上必要精整工艺。为提升生产线的整体智能化生产需求,采用神经网络代替曲率积分矫直模型进行计算,解决其求解难、耗时长和不收敛的缺点。针对反向传播(Back Propagation,BP)神经网络易出现泛化能力弱、陷入局部最优等问题,引入遗传算法(Genetic Algorithm,GA),建立一种基于GA-BP神经网络算法的板材辊式矫直工艺神经网络多输入多输出计算模型。对比结果显示,选用trainscg函数可实现较好的预测结果,并通过贪婪策略对模型结构进行优化,实现了矫直工艺模型的快捷、高精度计算,首尾辊压下误差在0.2 mm以内,残余曲率比误差在5%以内,矫直力误差在7%以内。该神经网络模型对轧制生产线有较高的工程应用价值。