基于改进自适应遗传算法的冷连轧轧制规程优化设计
由于轧制过程中应力状况较为复杂,传统的轧制力数学模型难以达到冷连轧轧制精度的要求,通过分析应力状态系数的影响因素,确立径向基函数(Radial basis function, RBF)神经网络的输入层参数以及隐层节点数,从而建立轧制变形区的应力状态系数RBF神经网络模型预报模型,把预报值用于传统轧制力计算模型中计算轧制力,获得一种轧制压力修正模型.针对SRINVAS自适应遗传算法(SRINVAS's adaptive genetic algorithm,SAGA)容易陷入局部极小的缺点,设计出一种改进的自适应交叉和变异策略,以各机架轧制负载相对均衡为目标,对典型的两个钢种在1370五机架冷连轧机进轧制规程的优化,试验结果证明,改进的自适应遗传算法(Improved adaptive genetic algorithm,IAGA)具有比Srinvas自适应遗传算法收敛速度更快、精度更高等优点,前四机架负荷系数的标准差分别减小到0.010 8和0.009 0.
冷连轧、规程优化、径向基函数神经网络、自适应遗传算法
46
TG335.13;TP18(金属压力加工)
上"十一五"国家科技支撑计划资助项目2007BAF02B12
2010-11-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
136-141