基于FEM-ANN的冷轧带钢轧制力预报

为了提高冷轧带钢轧制力的预报精度,提出一种有限元法结合神经网络的计算方法,建立冷轧带钢轧制力预报模型。采用弹塑性有限元法对冷轧带钢轧制过程进行数值模拟,得到摩擦因数、压下率、前张应力、后张应力和变形抗力等对轧制力的影响规律。将有限元模拟结果作为训练样本,建立冷轧带钢轧制力的BP神经网络预报模型。结果表明:预报结果与仿真结果吻合良好。

体积成型过程的数值仿真与智能控制一体化技术

从系统观点出发 ,运用控制论原理 ,论证了体积成型过程与电学模型之间具有相似的对应关系。提出了一种体积成型过程的设计与控制一体化技术 ,用有限元数值仿真结果训练人工神经网络 (ANN)来进行体积成型过程的计算 ,由 ANN映射的模拟电路模型与自适应控制系统并联 ,构成模型跟随的自适应控制系统。该模拟电路模型有较强的自适应学习能力 ,并且运算速度快 ,可大大缩短时间延滞 。

基于有限元的三辊行星轧制力预测及分析

为预测三辊行星轧制力,建立了三维热力耦合有限元模型,用均匀设计法安排有限元模拟样本,采用基于LM算法的BP神经网络学习有限元轧制力结果,确定了轧制参数与轧制力的映射关系,并根据训练后的神经网络分析了摩擦系数、轧辊偏转角和轧辊转速对轧制力影响.预测结果表明:摩擦系数和轧辊偏转角对轧制力影响是多方面的,在高轧辊转速时,较大的摩擦系数有利于降低轧制力.