基于蚁群算法的神经网络冷连轧机轧制力预报

被引：20

作者：

杨景明

孙晓娜

车海军

刘畅

机构：

[1] 燕山大学工业计算机控制工程河北省重点实验室

来源：

钢铁 | 2009年 / 44卷 / 03期

关键词：

冷连轧机; 轧制力预报; 神经网络; 蚁群算法;

D O I：

10.13228/j.boyuan.issn0449-749x.2009.03.003

中图分类号：

TG333 [轧钢机械设备];

学科分类号：

080201 ; 080503 ;

摘要：

为提高冷连轧机轧制力的预报精度和预报速度,用蚁群算法和神经网络相结合的方法进行轧制力预报模型设计。根据轧制原理建立了BP神经网络冷连轧机轧制力预报模型,以网络权值和阈值为自变量,网络预报误差为目标函数,通过蚁群多代运算,找出预报误差全局最小值,再将相应的权值和阈值输入网络进行训练。应用某厂1 450 mm冷连轧机的实测数据进行离线计算的结果表明,该方法能够防止BP网络陷入局部极小点,且收敛速度快,可作为轧制力预报的新方法在实际应用中加以推广。

引用

页码：52 / 55

页数：4

共 7 条

[1] 基于蚁群算法与神经网络的机械故障诊断方法 [J].

张扬 ;

曲延滨 .

机床与液压, 2007, (07) :241-244

[2] 蚁群算法的参数分析 [J].

蒋玲艳 ;

张军 ;

钟树鸿 .

计算机工程与应用 , 2007, (20) :31-36

[3] 轧制力预报问题中动态网络模型的实现 [J].

董敏 ;

刘才 ;

李国友 .

钢铁, 2006, (12) :49-52

[4]

蚁群算法及其应用[M]. 哈尔滨工业大学出版社 , 李士勇等编著, 2004

[5]

带钢冷连轧计算机控制[M]. 冶金工业出版社 , 孙一康编著, 2002

[6]

A study on on-line learning neural network for prediction for rolling force in hot-rolling mill[J] . Joon-Sik Son,Duk-Man Lee,Ill-Soo Kim,Seung-Gap Choi.Journal of Materials Processing Tech. . 2005

[7]

Ant ColonyOptimization .2 Marco Dorigo,Mauro Birattari,Thomas Stutzle. IEEE COMPUTATIONAL INTELLIGENCEMAGAZINE . 2006

← 1 →