基于改进遗传算法优化BP网络的轧制力预测研究

为提高铝热连轧轧制力预报精度,满足现场生产需求,采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1+4铝热连轧厂连轧实测数据作为实验样本,在遗传算法的初始化和变异机制中引入混沌序列,同时选择最优保存机制、动态调整交叉率和变异率等方法,提出了改进的遗传算法,并将其与改进的BP算法相结合,对多层前馈神经网络权值阈值进行优化,避免学习中陷入局部最小,使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10%以内,该预测精度明显优于传统数学模型,实现了铝热连轧轧制力的高精度预测。