学位论文 > 优秀研究生学位论文题录展示

基于神经网络的热轧模型研究

作 者: 华汛
导 师: 石世宏
学 校: 苏州大学
专 业: 机械工程
关键词: 神经网络 热轧 轧制力 RBF网络 模型
分类号: TP183
类 型: 硕士论文
年 份: 2011年
下 载: 9次
引 用: 0次
阅 读: 论文下载
 

内容摘要


随着轧钢技术的发展,用户对带钢的产品质量尤其是厚度精度的要求越来越严格。由于带钢厚度精度主要取决于轧制力模型设定精度,所以提高轧制力模型的设定精度成为解决带钢厚度精度的关键所在。本文根据神经网络的研究现状,对比了几种神经网络的优缺点,选择RBF网络来预测轧制力的变化。在对某钢厂大规模产品数据统计分析的基础上,训练了新的轧制力神经网络预报模型。新模型的预报误差较传统轧制力计算模型的预报误差普遍降低了50%以上。

全文目录


中文摘要  4-5
Abstract  5-8
第一章 绪论  8-22
  1.1 论文背景  8-9
  1.2 热轧机组热轧精轧工艺简介  9-11
  1.3 轧制力计算的现状  11-13
    1.3.1 影响轧制力的因素  11
    1.3.2 目前国内外轧制力计算方法  11-12
    1.3.3 轧制力计算的工程法  12-13
  1.4 现代热连轧厚度控制技术  13-17
    1.4.1 AGC 系统  13-14
    1.4.2 过程机的设定  14-15
    1.4.3 自适应技术  15-17
  1.5 神经网络的发展状况  17-18
  1.6 神经网络在带钢轧制中的应用研究现状  18-21
  1.7 主要研究内容  21-22
第二章 人工神经网络  22-33
  2.1 人工神经网络与自动控制  22-23
  2.2 人工神经网络的逼近能力研究  23-25
  2.3 人工神经网络的拓扑结构研究  25-26
  2.4 人工神经网络泛化能力  26-29
  2.5 RBF 神经网络  29-33
    2.5.1 RBF 神经网络的概述  29-30
    2.5.2 隐含层单元数的选择  30-31
    2.5.3 RBF 神经网络与BP 神经网络的比较  31-33
第三章 基于神经网络的热轧轧制力模型  33-49
  3.1 传统轧制力计算模型  33-34
  3.2 基于神经网络的热轧轧制力新模型  34-38
    3.2.1 新模型的结构  34-35
    3.2.2 材料系数神经网络  35-37
    3.2.3 机架系数神经网络  37-38
  3.3 数据采集、聚类与建模  38-44
    3.3.1 数据库的建立  38-39
    3.3.2 数据预处理  39-40
    3.3.3 主成分分析  40-41
    3.3.4 获取训练样本  41-43
    3.3.5 获取网络中心  43-44
  3.4 新模型的离线仿真  44-49
第四章 总结与展望  49-50
参考文献  50-53
攻读学位期间公开发表的论文  53-54
致谢  54-55

相似论文

  1. 基于巨磁阻抗效应磁测传感器及地磁匹配算法研究,P318
  2. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  3. 电火花加工中的电极损耗机理及控制研究,TG661
  4. 油漆焦油基单颗粒危险废物热解和燃烧特性的实验研究,X705
  5. 粉末活性炭—超滤工艺处理微污染地表水试验研究,X703
  6. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  7. 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
  8. 陀螺稳定吊舱控制系统稳定回路设计与研究,V241.5
  9. 卫星姿态的磁控制方法研究,V448.222
  10. 涡轮S2流面正问题气动优化设计研究,V235.11
  11. 光纤陀螺温度漂移建模与补偿,V241.5
  12. 电磁轨道炮外弹道建模与仿真研究,TJ399
  13. 轨道交通引起周围环境竖向振动的振源特性分析,U211.3
  14. RUV4汽车点火线圈工艺参数分析及影响因素研究,U463.64
  15. 基于LIN总线的电动车窗控制方法研究,U463.6
  16. 径向振动模式压电变压器的等效电路模型与应用,TM406
  17. 压电陶瓷驱动器迟滞补偿方法研究,TM282
  18. 基于DSP的感应电动机四象限运行系统的研究,TM346
  19. 基于DSP的感应电机矢量控制系统研究,TM346
  20. 适应多总线通讯模式的感应电动机矢量控制系统研究,TM346
  21. 基于细胞电生理模型的膜片钳实验仿真平台设计与实现,R318.0

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com