BP神经网络在轧制力计算中的应用.pdf

《BP神经网络在轧制力计算中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、重型机械BP神经网络在轧制力计算中的应用夏宇，赵团民，郭军(1．中国重型机械研究院股份公司，陕西西安710032；2．西安交通大学，陕西西安710049)摘要：针对传统轧制力模型不能提供足够精确的预报值问题，采用BP神经网络技术能够提供了一个崭新的建模工具，该技术有很多算法，本文利用不同算法的BP网络对中国重型机械研究院设计的1450六辊冷轧机轧制压力进行了预报，结果显示traingdx算法误差较小，平均偏差为0．016，计算结果比较精确。关键词：轧制力；神经网络；traingdx中图分类号：TG333．7文献标识码：A文章编号：1001—196X(2013)05—001

2、1—03ApplicationofBPneuralnetworkinrollingforcepredictionXIAYu一，ZHAOTuan．min，GUOJun(1．ChinaNationalHeavyMachineryResearchInstituteCo．，Ltd．，Xi’an710032，China；2．Xi’anJiaotongUniversity，Xi’an710049，China)Abstract：Fortraditionalrollingmodelscantgivesuficientlyaccuratepredictionvalue，thetechniq

3、ueofBPneuralnetworkshasbeenprovidedasanewmodelingtoolwithmanyalgorithms．Inthispaper，therollingforceofa1450six—highstripcoldrollingmill，designedbyChinaNationalHeavyMachineryResearchInstitute，waspredictedbyvariousalgorithmsofBPnetwork．Resultsshowthatthetraingdxalgorithmhassmallererror，andit

4、saveragedeviationisonly0．016，SOthealgorithmismoreprecise．Keywords：roilingforce；neuralnetwork；traingdx力进行计算分析。U日Ij舌人工神经网络是人类在大脑神经网络认识理人工神经网络是20世纪40年代来发展起解的基础上，人工构造的能够实现某些功能的神来的一门交叉学科，它以分布方式来存储知经网络。它是理论化的人脑神经网络的数学模识，以并行方式进行处理，具有强大的容错能型，是基于模拟大脑神经网络结构和功能来建立力，而且还具有很好的自适应和自学习功能，的一种信息处理系统，它事实上是由

5、大量的简单能用于逼近任意复杂的非线性系统，冷轧带钢元件相互连接形成的复杂网络，能表现出复杂非轧制力的计算即属于此类问题。轧制力的精确线性系统的特性，它可以处理一些环境信息复计算对制订合理的轧制规程和提高产品质量都杂、知识背景不清楚、推理规则尚不明确的有重要意义。BP神经网络是人工神经网络的一问题。种重要类型，本文将应用BP神经网络对轧制一般而言，人工神经网络和经典计算方法相比并非在所有问题上都显得优越，只有当常规方收稿日期：2013—07—16；修订日期：2013—08—01法解决不了或解决效果不佳时，人工神经网络方基金项目：西安市科技计划项目可逆冷轧机过程自动化控制及法

6、才能显示出其优越性。尤其对问题的机理不甚厚度自动控制系统(GXYI105)了解或不能用数学模型表示的系统，如故障诊作者简介：夏宇(1981一)，男，中国重型机械研究院有限公司断、特征提取和预测等问题，人工神经网络往往工程师，西安交通大学在职研究生，主要从事板带轧制设备的研究、开发和推广工作。是最有利的工具。另一方面，人工神经网络对处·l2·重型机械理大量原始数据而不能用规则或公式描述的问输入层节点数为3，隐含层节点数为8，输出层题，表现出极大的灵活性和自适应性。节点数为1。几十年来，提出了轧制力的计算的许多数学传递函数又称激活函数，是BP神经网络的模型和经验公式，但这些计

7、算公式中的参数如摩重要组成部分，它必须是连续可微调的，BP神擦系数和变形抗力很难精确的测定，同时经过验经网络常采用S型的对数或正切函数和线性函证，公式只有在某些道次中的计算误差较小，某数。在本文中，输入层到隐含层的激活函数选用些道次中的误差极大，这说明数学模型对轧制过tansig正切函数，隐含层到输出层的激活函数选程的描述是不全面，有缺陷的。另一方面，通过用pureline线性函数。工厂的实际生产积累了大量的实测数据，这些实学习速率决定每一次循环训练中所产生的权测数据需要通过良好的方法加以分析，提取出有值变化量。大的学习速率可