钢铁研究学报

作者：严加根，贾银芳，李京栋，武则栋，王晓晨

单位：1.上海梅山钢铁股份有限公司，江苏南京210039；2.北京科技大学工程技术研究院，北京100083

关键词：关键词：变形抗力,冷轧,热轧过程参数,鲸鱼优化算法,BP神经网络

摘要：变形抗力作为冷轧工艺设定中重要的材料和控制参数，计算精度直接影响到轧制力设定精度，继而影响带钢平坦度等质量指标的控制精度。针对变形抗力机制模型设定精度低、无法考虑热轧过程参数遗传影响等问题，采用鲸鱼优化算法（WOA）优化BP神经网络建立预测模型（WOA-BP），并通过现场收集的热、冷轧历史过程工艺参数对模型进行训练。WOA-BP模型预测结果表明，平均绝对值误差为10.42，平均绝对百分比误差为1.22，平均均方根误差为13.13，均优于BP神经网络模型，弥补了BP神经网络处理复杂的非线性问题训练时间长、预测精度低等缺点。与传统依托冷轧单工序建立的机制模型相比，考虑热轧工艺参数后，变形抗力预测误差由±15%降低至±6%，应用于L2级系统模型设定后，轧制力精度平均提高了2.09%。

来源：2023年第9期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2023年第9期