轧制过程是一个复杂的非线性变形过程,轧制力建模问题实际上是一个从影响轧制力的诸多因素到轧制力的非线性映射问题。 传统的轧制力理论计算公式和回归模型,一般是在多种假设条件下,通过一系列的简化推导出来的,因而很难准确表达轧制过程的实际特性,不能保证计算精度。 神经网络技术以其特有的信息处理能力,为轧制力的计算提供了一条很好的途径。 本文结合带钢冷轧轧制过程基本理论,建立了基于神经网络的带钢冷轧轧制压力模型,在建模过程中主要做了以下工作: 1.分析了带钢冷轧轧制过程特点,确定了影响带钢冷轧轧制压力的主要因素。 2.建立了基于BP神经网络的带钢冷轧轧制压力模型 本文采用奥钢联现场实测数据,对本文所建模型进行学习和测试,结果表明,基于神经网络的带钢冷轧轧制压力模型计算值与实测值相比较,最大偏差小于6%。这与对同一批实测数据的传统轧制力最大偏差40%以上相比较,所建网络模型的计算值更加接近实测值,模型精度大大提高,可以满足工程应用的要求。 本文采用BP神经网络快速训练函数trainlm优化算法对冷轧轧机轧制压力进行快速预报,该网络参数μ可自适应调整,收敛速度快,冷连轧轧制力预报精度大为提高,为冷连轧轧制力预报提供了一条准确高效的新途径。