遗传算法优化神经网络的热轧带钢弯辊力预报模型

doi:10.12068/j.issn.1005-3026.2018.12.009

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (12): 1717-1722.DOI: 10.12068/j.issn.1005-3026.2018.12.009

遗传算法优化神经网络的热轧带钢弯辊力预报模型

王振华，龚殿尧，李广焘，张殿华

(东北大学轧制技术及连轧自动化国家重点实验室，辽宁沈阳110819)

收稿日期:2017-08-21 修回日期:2017-08-21 出版日期:2018-12-15 发布日期:2018-12-19
通讯作者: 王振华
作者简介:王振华(1990-)，男，山西盂县人，东北大学博士研究生；张殿华(1963-)，男，内蒙古赤峰人，东北大学教授，博士生导师.冯明杰(1971-)，男，河南禹州人，东北大学副教授; 王恩刚(1962-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(51171041).国家重点研发计划项目(2017YFB0304100)；国家自然科学基金资助项目(51634002， 51774084， 51704067).

Bending Force Prediction Model in Hot Strip Rolling Based on Artificial Neural Network Optimize by Genetic Algorithm

WANG Zhen-hua， GONG Dian-yao， LI Guang-tao， ZHANG Dian-hua

State Key Laboratory of Rolling and Automation， Northeastern University， Shenyang 110819， China.

Received:2017-08-21 Revised:2017-08-21 Online:2018-12-15 Published:2018-12-19
Contact: WANG Zhen-hua
About author:-
Supported by:
-

摘要/Abstract

摘要： 针对传统弯辊力预设定模型的缺陷和带钢热连轧轧制特点，利用某钢铁公司1580mm热轧线生产数据，对精轧机组末机架进行了基于遗传算法优化神经网络的弯辊力预报模型研究.以大量实际数据作为神经网络训练输入，充分考虑了输入参数之间的影响作用，模型结构简单、容易实现，其整体性能用平均绝对百分误差、均方根误差和相关系数R评价.通过将预测结果与实测结果比较，验证了模型的精度.研究发现，提出的弯辊力预测模型相比于传统模型可实现高度非线性拟合，适用于提高热轧带钢头部板形控制精度，为实际弯辊力设定提供指导和试验基础.

关键词: 神经网络, 热轧板形, 生产数据, 弯辊力, 遗传算法

Abstract: In view of the drawbacks of the traditional bending force preset model and the characteristics of hot strip rolling， a bending force prediction model is built based on genetic algorithm(GA)and artificial neural network(ANN)and the prediction is carried out on the end stand of finishing mill using a large amount of production data from 1580mm hot rolling line in a steel corp. The features of the model are as follows: a large number of actual data is used as input for the ANN training， the influence of various input parameters are fully considered， the framework of the model is relatively simple and easy to implement， and the overall performance is evaluated by the mean absolute percentage error， root mean square error and correlation coefficient. By comparing the predicted results with the experimental ones， the prediction accuracy of the model is verified. It shows that the GA-ANN prediction model of roll bending force can realize a high nonlinear fitting， which is suitable for improving the accuracy to control head shape of hot strip rolling. This study provides guidance and test foundation for the actual bending force setting.

Key words: artificial neural network, shape of hot strip rolling, production data, bending force, genetic algorithm

中图分类号:

TG335.56

王振华，龚殿尧，李广焘，张殿华. 遗传算法优化神经网络的热轧带钢弯辊力预报模型[J]. 东北大学学报:自然科学版, 2018, 39(12): 1717-1722.

WANG Zhen-hua， GONG Dian-yao， LI Guang-tao， ZHANG Dian-hua. Bending Force Prediction Model in Hot Strip Rolling Based on Artificial Neural Network Optimize by Genetic Algorithm[J]. Journal of Northeastern University Natural Science, 2018, 39(12): 1717-1722.

参考文献

[1]王国栋.板形与板凸度控制［M］.北京:化学工业出版社，2016:181-182.(Wang Guo-dong.Strip profile and flatness control ［M］.Beijing:Chemical Industry Press，2016:181-182.)
[2]王国栋，刘相华.金属轧制过程人工智能优化［M］.北京:冶金工业出版社，2000:1-10.(Wang Guo-dong，Liu Xiang-hua.Artificial intelligence optimization of metal rolling process［M］.Beijing: Metallurgy Industry Press，2000:1-10.)
[3]Haykin S.Neural networks:a comprehensive foundation［M］.New York:Macmillan，1994.
[4]Deng J，Gu D，Li X，et al.Structural reliability analysis for implicit performance functions using artificial neural network ［J］.Structural Safety，2005，27(1):25-48.
[5]Mukhpadhyay A，Iqbal A.Prediction of mechanical properties of hot rolled，low-carbon steel strips using artificial neural network ［J］.Materials and Manufacturing Processes，2005，20(5):793-812.
[6]Mukhopadhyay A，Iqbal A.Comparison of ANN and MARS in prediction of property of steel strips ［J］.Applied Soft Computing Technologies:The Challenge of Complexity，2006，34(8):329-341.
[7]Shahani A，Setayeshi S，Nodamaie S，et al.Prediction of influence parameters on the hot rolling process using finite element method and neural network ［J］.Journal of Materials Processing Technology，2009，209(4):1920-1935.
[8]周英，卓金武，卞月青.大数据挖掘:系统方法与实例分析［M］.北京:机械工业出版社，2017:24-26.(Zhou Ying，Zhuo Jin-wu，Bian Yue-qing.Big data mining: system approach and case analysis［M］.Beijing:China Machine Press，2017:24-26.)
[9]Holland J H.Adaptation in natural and artificial systems:an introductory analysis with applications to biology，control and artificial intelligence［M］.Ann Arbor:University of Michigan Press，1975:1-2.
[10]Ma C，Zhao L，Mei X，et al.Thermal error compensation of high-speed spindle system based on a modified BP neural network ［J］.The International Journal of Advanced Manufacturing Technology，2016，89(9):3071-3085.

[1]	刘洋，闫冬梅，孟范伟. 基于Transformer改进的两分支行人重识别算法[J]. 东北大学学报（自然科学版）, 2023, 44(1): 26-32.
[2]	张春雷，李鹤，董茂林，张圣杰. 燃料电池空气供应系统自适应神经网络滑模控制[J]. 东北大学学报（自然科学版）, 2022, 43(9): 1270-1276.
[3]	马源源，刘晏泽，刘呈隆，张甜洁. 中国投资者多角度舆情分析及其在股市预测中的作用[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1201-1209.
[4]	张禹，何楷文，李清书，巩亚东. 面向STEP-NC自由曲面特征的加工操作方法智能决策[J]. 东北大学学报（自然科学版）, 2022, 43(7): 981-987.
[5]	季策，张晓. 基于GSA-BP神经网络的OFDM系统信道估计算法[J]. 东北大学学报（自然科学版）, 2022, 43(6): 769-775.
[6]	杨博文，霍军周，张伟，张占葛. 服役结构超前载荷实时预测方法的研究[J]. 东北大学学报（自然科学版）, 2022, 43(4): 541-550.
[7]	丁山，臧仕义，曹殿明，佘黎煌. 基于动态ID跳变的CAN总线安全调度算法[J]. 东北大学学报（自然科学版）, 2022, 43(3): 350-358.
[8]	范纯龙，李彦达，夏秀峰，乔建忠. 基于随机梯度上升和球面投影的通用对抗攻击方法[J]. 东北大学学报（自然科学版）, 2022, 43(2): 168-175.
[9]	陈兵，韩烬阳，唐晓垒，夏搏然. 基于机器学习的拉矫延伸率预测模型及数值分析[J]. 东北大学学报（自然科学版）, 2022, 43(2): 236-242.
[10]	井元伟，谢海修，白云. TCP/AWM网络系统的自适应有限时间漏斗拥塞控制[J]. 东北大学学报（自然科学版）, 2022, 43(10): 1369-1375.
[11]	王璐，王帅，张国峰，徐礼胜. 基于语义分割注意力与可见区域预测的行人检测方法[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1261-1267.
[12]	叶翠丽，王娜，庞硕，闫航. 基于改进遗传算法的秸秆还田机刀片功耗优化[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1290-1298.
[13]	郑艳，姜源祥. 基于特征融合的说话人聚类算法[J]. 东北大学学报（自然科学版）, 2021, 42(7): 952-959.
[14]	于洪亮，王旭，杨丹，李维军. 基于电流观测器的链式STATCOM反步控制方法[J]. 东北大学学报（自然科学版）, 2021, 42(6): 761-767.
[15]	丁山，暴林慧，高梦宁，佘黎煌. 一种基于安全性的CAN-FD信号打包方法[J]. 东北大学学报（自然科学版）, 2021, 42(6): 775-781.

遗传算法优化神经网络的热轧带钢弯辊力预报模型

Bending Force Prediction Model in Hot Strip Rolling Based on Artificial Neural Network Optimize by Genetic Algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价