论文部分内容阅读
轧钢复杂工业生产过程是一个由多个子系统过程组成的复杂大系统,具有严重非线性、不确定性、时变、大滞后、强耦合和多参数等特性。为实现对轧钢复杂工业生产过程的质量控制,建立其质量模型是十分必要的,而对于复杂工业生产过程,由于其复杂性加之工业噪声污染,对其进行质量建模存在很大的困难。近年来,国内外诸多学者利用不同的神经网络对其进行质量建模,起到了一定的效果,但在利用所建的模型指导生产实践方面仍有一定的距离。本文针对基于轧钢生产过程的特点,采用BP神经网络以及在运用小波与遗传算法对其进行改进的基础上,对轧钢工业生产过程产品质量进行建模,取得了一些具有实际意义的结果,其主要工作和内容如下:(1)针对轧钢复杂工业生产过程,对其产品质量建模问题进行了分析,采用相关分析法对影响轧钢复杂工业生产过程产品质量的因素进行了详细研究和分析,确定了影响轧钢复杂工业生产过程产品质量的32个主要因素,为建立轧钢生产过程产品质量模型和实施质量控制奠定了基础。(2)对基于神经网络的轧钢生产过程产品质量建模方法进行了研究,在对轧钢产品数据进行预处理的基础上,利用BP网络和基于小波的BP神经网络对轧钢生产过程产品质量进行了建模,并对其进行了实例仿真和分析,仿真结果及其分析表明了该建模方法的有效性和可靠性。(3)在对利用改进的遗传算法(Improved Genetic Algorithm,IGA)优化小波神经网络(Wavelet Neural Network,WNN)结构进行分析的基础上,研究给出了基于IGA优化WNN的产品质量建模方法,该方法同时具有遗传算法的全局搜索能力和WNN学习算法简单有效的优点,仿真结果及其分析表明了该建模方法的有效性和可靠性。