10.13228/j.boyuan.issn1003-9996.20210513
基于复合型神经网络的终轧温度自适应模型研究
为准确反映精轧轧制参数和微观组织转变对终轧温度的影响,利用自适应线性神经网络(Adaline)和径向基神经网络(RBF)技术建立了热焓修正系数预报网络作为终轧温度长继承计算模型.首先基于热焓形式的导热偏微分方程建立了带钢终轧温度计算模型,并对带钢在辊缝变形区产生的变形功、摩擦功、与工作辊的接触导热以及机架间冷却换热进行了模型描述;然后从温度与热焓之间的转换关系入手,确定将精轧区域热焓修正系数作为终轧温度模型的自适应参数,并利用复合神经网络技术建立了由19个输入节点,20个RBF隐含层节点,20个Adaline隐含层节点和1个输出节点构成的热焓修正预报网络.结合现场数据,描述了该预报网络训练样本的构成、数据标准化处理方法,同时给出了典型的网络参数和网络的预报能力.
终轧温度、复合神经网络、热焓、自适应模型、传热模型
38
TP138;TP391.41;TP216
中央高校基本科研业务费专项;辽宁省自然基金资助计划
2021-11-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
75-80