摘要: 针对热轧带钢层流冷却过程的复杂性,以国内某热轧厂层流冷却系统为例,分析了层流冷却系统的组成以及相应的空冷和水冷数学模型.采用神经网络与数学模型相结合的方法,对带钢实测卷取温度与目标值的偏差进行了预报,证明利用神经网络能较好预测卷取温度的偏差值,进而对数学模型中的参数进行调整,实现高精度的卷取温度控制.结果表明,卷取温度比传统数学模型控制的标准差降低了21.94%.
中图分类号:
谢海波;张中平;刘相华;王国栋. 利用神经网络提高热轧带钢卷取温度的控制精度[J]. 东北大学学报(自然科学版), 2005, 26(9): 871-873.
Xie, Hai-Bo (1); Zhang, Zhong-Ping (2); Liu, Xiang-Hua (1); Wang, Guo-Dong (1) . Improving control accuracy of coiling temperature on hot strip mill by artificial neural network[J]. Journal of Northeastern University, 2005, 26(9): 871-873.