矿冶工程

作者：卜赫男, 叶鹏飞, 闫注文, 韩子延

单位：1.江苏科技大学 机械工程学院,江苏 镇江 212003; 2.南京工程学院 智能装备产业技术研究院,江苏 南京 211167

关键词：冷连轧,带钢,板形,板形控制,弯辊力预设定,主成分分析,降维,模型

基金：国家自然科学基金(51804133);江苏省自然科学基金(BK20180977, BK20181024)

为了提高冷连轧带钢弯辊力预设定模型的计算效率, 在原有基于GA-BP神经网络的弯辊力预设定模型基础上, 引入主成分分析(PCA)数据降维技术, 通过PCA将原有10个轧制参数变量转换为3个主成分变量, 降维后的主成分变量包含了原始实测轧制参数93.55%的信息, 实现了轧制参数特征的有效提取; 将其作为神经网络的输入, 建立PCA-GA-BP新形态弯辊力预设定模型, 简化了模型结构。以某1 450 mm冷连轧生产线数据作为样本比较了2种模型的计算性能, 结果表明, 2种模型均具有较好的泛化能力, 在保证带钢头部板形精度的基础上, PCA-GA-BP模型与原模型相比迭代次数减少86次, 计算时间缩短73 ms, 预报效率显著提高。

来源：2020年第5期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2020年第5期