声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2133/TF
国际刊号：1001-0963
发布日期:
作者：荆丰伟，冯莹，陈兆宇，孙文权，张勇军
单位：北京科技大学高效轧制与智能制造国家工程研究中心，北京100083
关键词：关键词：热轧带钢,头部终轧温度,BP神经网络,粒子群算法,混合优化
摘要：带钢头部终轧温度(finishing delivery temperature，FDT)的预计算是精轧设定中的一项重要内容。它不仅是带钢全长终轧温度控制的基础，而且关系到轧制速度、轧制力以及辊缝等模型参数的预设定，对成品带钢的质量控制起着关键性的作用。在实际生产中，带钢头部终轧温度主要是通过结合了统计经验和自适应修正的半机理模型来计算，但是由于带钢换热过程的复杂性难以用关系式精确表达，导致了带钢头部终轧温度的预计算精度不高。针对此问题，从数据驱动的角度出发，利用BP神经网络和改进粒子群优化算法（improved particle swarm optimization, IPSO），以半机理模型为主，IPSO-P网络模型为辅，建立了一种混合优化模型。通过仿真实验和实际生产对比，结果表明：相比于单纯的神经网络模型或者半机理模型，混合优化模型的预计算精度和收敛速度均有了很大的提高，达到96?67%，具有良好的应用前景。
来源：2022年第7期
《钢铁研究学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。