轧制力预测中RBF神经网络的组合应用

被引：7

作者：

张俊明 ^{[1
]}

刘军 ^{[2
]}

俞晓峰 ^{[2
]}

康永林 ^{[1
]}

杨荃 ^{[3
]}

机构：

[1] 北京科技大学材料科学与工程学院

[2] 鞍山钢铁集团公司鞍钢股份有限公司

[3] 北京科技大学机械工程学院

来源：

钢铁研究学报 | 2008年 / 02期

关键词：

RBF神经网络; 屈服应力; 轧制力;

D O I：

10.13228/j.boyuan.issn1001-0963.2008.02.005

中图分类号：

TG331 [轧制理论];

学科分类号：

080201 ; 080503 ;

摘要：

传统的数学模型无法达到冷连轧控制的尺寸精度要求。针对传统轧制力模型的固有缺陷,为提高冷连轧机组轧制力计算精度,合理选择、更新和预处理训练样本,采用RBF神经网络预测冷轧带钢屈服应力并把它用于传统轧制力计算模型,获得较高的轧制力预测精度。而后使用RBF长期数据修正网络和RBF短期数据修正网络得到长期数据修正网络和短期数据修正网络的修正系数,对轧制力计算值进一步修正,从而进一步提高轧制力预报精度。上述方法直接用于某冷连轧机组,轧制力预测误差在±6%之内。这充分证明RBF网络可以成功用于轧制过程控制并满足实际生产的需要。

引用

页码：33 / 36

页数：4

共 8 条

[1] 一种基于高斯核的RBF神经网络学习算法 [J].