一种新的板形预测模型

提出了一种新的板形预测模型。它不仅能直接给出板形预测结果 ,而且能为板形及板形控制理论研究提供科学依据 。

基于人工蜂群算法的Elman网络板形预测

针对常规Elman网络泛化能力差的缺点,以及工业生产中对高精度板形预测模型的需要,用人工蜂群算法(ABC)代替误差反传算法训练Elman网络,建立了一个基于Elman网络的板形预测模型.神经网络的隐层节点数通过经验公式和仿真试验来确定.通过仿真验证,用人工蜂群算法训练的Elman网络在同等条件下比常规Elman网络具有更强的泛化能力,其板形预测精度更高.

基于极限学习机的板形建模与优化

以铝合金板带生产厂2100 mm轧机的4.1 mm厚铝薄板带轧制生产过程作为研究对象,综合分析各个因素对板形的影响规律,分别从平直度和截面形状两个方面建模和研究,采用平直度转换为与标准板形曲线的厚度差,建立了四辊轧制过程中铝薄板带板形预测模型,预测误差范围为-0.0223~0.0191 mm。为了进一步提高模型预测精度,采用极限学习机智能算法对预测模型进行修正,修正后的预测模型误差更小,为-0.0160~0.0141 mm。考虑了平直度和板厚分布的综合预测模型可以更好地反映板形,同时为高精度板带轧制过程中板形在线控制提供了理论基础。