关键词：双机架炉卷轧机;轧制力;BP神经网络;数学模型;粒子群算法
摘 要：轧制过程数学模型是现代轧机计算机控制系统的重中之重,轧制力数学模型对钢铁产品质量和厚度精度等有着不可替代的作用。当今各行业对钢铁产品的质量要求愈发严格,怎样提高轧制产品的质量是一个亟待解决的重要问题。双机架炉卷轧机轧制力的精度影响着轧制产品的质量。而轧制区金属的塑性变形是一个非常复杂的过程,轧制过程中的很多参数与双机架炉卷轧机轧制力存在非线性的强耦合关系。根据传统数学模型公式和研究经验远不能满足当前轧制力精度的高要求,也不能对双机架轧机中轧制力的变化过程进行准确的描述。所以本文利用轧机的轧制压力数学模型将神经网络与智能算法来相结合来进行轧制力的高精度预测,这也是当前研究认为最有效的预测途径。本文以轧制压力数学模型的变形理论为基础,以某大型轧钢厂1725mm双机架轧机轧制压力模型为研究对象,结合西姆斯(SIMS)公式着重分析了轧制变形区的基本工艺参数、轧制前后的基本规律等,确定了对轧制力计算精度影响较大的参数变量,这些参数变量主要有轧件厚度、轧件温度、轧辊半径、轧制速度等;然后在轧制力模型的基础上,以影响轧制力精度的主要变量作为BP神经网络的输入量,以轧制力作为输出量建立了 BP网络拓扑结构为10-12-1的轧制力预测模型。根据该大型钢厂1725mm双机架轧机轧轧制钢种为Q235的实测数据对所建立的BP网络模型进行训练和测试。利用训练好的神经网络对轧机轧制力进行预测,然后分别使用粒子群算法、改进的粒子群算法来对BP神经网络进行优化,再次对两种预测模型进行轧制力预测,仿真结果表明经改进的PSO融合算法的轧制力预测性能达最佳的逼近效果,PSO优化BP网络的算法预测性能次之。因此,本文最终建立了基于PSO-BP神经网络的双机架炉卷热轧机轧制力预测模型,该模型有效提高了双机架炉卷轧机轧制力的预测精度。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取