基于改进的BP神经网络无缝钢管连轧轧制力的预测

摘要：

无缝钢管连轧过程具有多变量、强耦合、非线性等特点,传统的数学模型无法对一些参数进行精确地预测.为了提高连轧过程中轧制力预测的精度,采用改进初始值选取方法来优化BP神经网络,建立改进的BP神经网络的轧制力预测模型.首先,采集某钢厂历史生产数据,进行预处理,通过灰色关联度确定影响轧制力的主要因素;然后,对初始值进行设置,利用MATLAB编写仿真程序对连轧机组轧制力进行预测.结果表明:基于改进的BP神经网络的轧制力预测模型具有很强的学习能力和表达能力,轧制力预测精度得到了很大的提高,对实际的生产具有重要意义.

关键词：无缝钢管、轧制力、初始值选取方法、灰色关联分析、改进的BP神经网络

所属期刊栏目：47

分类号：TP183(自动化基础理论)

资助基金：山西省科技重大专项;山西省重点研发项目

在线出版日期：2022-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：153-160