人工神经网络方法预报热轧带钢的卷取温度.pdfVIP

轧 　　钢 2005 年 2 月·第 22 卷·第 1 期 　　　　　　　　　　　　　　　　　　　　　STEEL ROLL IN G　　　　　　　　 Feb2005 　 Vol 22 　No 1 ·14 · 人工神经网络方法预报热轧带钢的卷取温度 马丽坤 , 袁卫华 , 韩 　斌 , 王 　君 , 王国栋 (东北大学轧制技术及连轧自动化国家重点实验室 , 辽宁 　沈阳 　110004) 摘 　要 : 针对我国热轧带钢生产中普遍存在的卷取温度控制精度较低问题 , 采用神经网络与数学模型相结 合的方法 , 以某热轧厂生产为例, 构造了 BP 神经网络 , 使卷取温度控制精度达到了 ±15 ℃。 关键词 : 热轧带钢 ; 人工神经网络 ; 卷取温度 中图分类号: TP183 ; TG33556 　　文献标识码 : A 　　文章编号 : 1003 - 9996 (2005) 01 - 0014 - 03 Prediction coiling temperature of hot rolled strip by artif icial neural network MA Likun , YUAN Weihua , HAN Bin , WAN G J un , WAN G Guodong ( The State Key Labof Rolling Automation , Northeastern University , Shenyang 110004 , China) Abstract : In view of the problem of low control precision of coiling temperature of hot rolled strip , which is com mon in hot strip plants of China , the artificial neural network is appliedTaking example for a hot strip plant pro duction , the BP network is established , and the prediction error can be controlled within ±15 ℃ Key words : hot rolled strip ; artificial neural network ; coiling temperature 1 　前言 为比例因子; t 为冷却时间, s; α为换热系数, ( 2 ) λ 热轧带钢的冷却过程是非常复杂的传热过 W/ m ·k ; h 为带钢厚度, mm ; 为导热系数, 程 。实际生产中 , 卷取温度控制模型主要依赖传 W/ (m ·k) ; Hc 为对流热交换系数, W/ (m2 ·k) ; σ ( 2 4 ) ε 统的经验模型 , 并对模型中的某些参数进行自学 为史蒂芬 - 波尔兹曼常数, W/ m ·k ; 为热辐 习修正 , 但目