深度神经网络轧制力建模及其并行优化研究

摘要：

冷连轧过程控制的轧制力模型是整个轧制过程计算机控制的基础.为提高5机架2030冷连轧系统轧制力模型的精度和适用性,提出了多输入多输出深度神经网络轧制力模型的数据预处理、建模和并行优化方法.对含有不同隐含层数和节点数的神经网络,采用不同训练算法(SCG算法和L-M算法)与不同优化方法(多线程CPU、单GPU和多线程CPU+GPU),研究了神经网络结构、训练算法和优化方法对神经网络轧制力模型的性能、训练时长、线性相关系数的影响.研究结果表明:含有2个隐含层、采用L-M算法和多线程CPU优化方法可获得综合性能最优的神经网络轧制力模型;神经网络轧制力模型的计算误差远小于在线使用的Siemens轧制力模型的计算误差.

关键词：深度神经网络轧制力模型、L-M算法、SCG算法、并行优化、轧制力模型

所属期刊栏目：29

分类号：TP273(自动化技术及设备)

资助基金：国家重点研发计划2019YFB1705002

在线出版日期：2022-09-19（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：1379-1386