没有合适的资源?快使用搜索试试~ 我知道了~
首页遗传神经网络优化PQF轧制工艺设计
"遗传神经网络在PQF轧制工艺设计中的应用 (2012年)" 本文主要探讨了遗传神经网络在连续控制领域的具体应用,特别是在PQF(行星式连续轧机)轧制工艺设计中的作用。PQF轧制工艺是一种先进的金属板材连续热轧工艺,它通过多道次连续滚动来提高材料的机械性能和尺寸精度。 遗传神经网络是将遗传算法和神经网络相结合的一种方法,旨在克服传统反向传播(BP)神经网络在训练过程中的局限性。遗传算法源于生物进化理论,它通过模拟自然选择和遗传机制来寻找问题的最优解。在本文中,遗传算法被用来优化BP神经网络的初始权重,以避免BP算法在训练时陷入局部最优,从而提高网络的全局优化能力和收敛速度。 在建立PQF轧制工艺模型的过程中,数据预处理是一个关键步骤。文章提到采用最大最小值归一化方法对原始工艺数据进行处理,这一步可以将不同范围的数据转化为同一尺度,确保了输入到神经网络的数据具有可比性,有助于提高模型的稳定性和准确性。 通过实验验证,所构建的遗传神经网络模型成功应用于PQF轧制工艺设计中,能够有效地预置自动化控制参数。这意味着该模型可以预测轧制过程中的关键变量,如轧制压力、速度和温度等,帮助控制系统的实时决策,从而提高生产效率和产品质量。 该研究展示了遗传神经网络在复杂工业过程控制中的潜力,尤其是在金属加工领域。结合遗传算法的全局搜索能力和BP神经网络的学习能力,可以为PQF轧制工艺提供更精确、更可靠的预测模型,对于优化生产流程、减少浪费和提高经济效益具有重要意义。这一工作也为其他需要高度定制和优化的工业过程提供了借鉴。
资源详情
资源推荐
第 27 卷 第 5 期
2012 年 10 月
天津科技大学学报
Journal of Tianjin University of Science & Technology
Vol. 27 No. 5
Oct. 2012
收稿日期:2012–02–24;修回日期:2012–05–08
作者简介:陈 希(1957—),女,天津人,教授,tjqycx@tust.edu.cn.
遗传神经网络在 PQF 轧制工艺设计中的应用
陈 希,杨 帅,王玉峰
(天津科技大学计算机科学与信息工程学院,天津 300222)
摘 要:基于遗传神经网络建立 PQF 轧制工艺模型.根据工艺要求利用最大最小值归一法对数据进行预处理.利用
遗传算法的全局搜索优化 BP 网络的初始权重,避免 BP 算法陷入局部收敛,改善收敛速度.实验表明,将建立的模型
应用于 PQF 轧制工艺设计中,能预置 PQF 自动化控制参数,达到良好的预测效果.
关键词:BP 神经网络;遗传算法;最大最小值归一法;PQF 轧制工艺
中图分类号:TP183 文献标志码:A 文章编号:1672-6510(2012)05-0074-05
Application of Genetic Neural Network in PQF Rolling Process Design
CHEN Xi,YANG Shuai,WANG Yufeng
(College of Computer Science and Information Engineering,Tianjin University of Science & Technology,
Tianjin 300222,China)
Abstract:A PQF rolling process model based on genetic neural network was established. According to the process require-
ments,maximum and minimum normalization method was used to preprocess data. Using genetic algorithm global search to
optimize BP network initial weights,BP algorithm was prevented from getting into local convergence and the convergence
speed was improved. Experiments show that using the established model in PQF rolling process design can preset PQF
automation control parameters and achieve better prediction.
Key words:BP neural network;genetic algorithm;maximum and minimum normalization method;PQF rolling process
2003 年天津钢管集团股份有限公司引进德国
MEER 公司 PQF 轧管机组
[1]
.原设备只提供 3 种孔
型系列(Φ191,mm、Φ235,mm、Φ263,mm)的工艺软件.
为适应需求,需要建立新的 PQF 轧制工艺模型. PQF
轧制是多因素、非线性的复杂问题.目前,研究人员
只采用有限元方法
[2]
对 PQF 轧制工艺进行理论研
究,还没有适应生产需求的工艺方法,无经验可借鉴.
BP 神经网络
[3]
具有较强的并行处理、自适应、自
组织、联想记忆等特性,特别适用于处理复杂问题,
在非线性优化、函数逼近、预测评估、智能控制等领
域具有广泛的应用.因此,本文采用 BP 神经网络建
模,预测 PQF 控制参数,得到 PQF 轧制工艺模型.由
于 BP 神经网络存在收敛速度慢和易陷入局部极小
值的突出弱点,本文利用遗传算法优化网络初始权
重,以改进其收敛速度慢和容易陷入局部极值的缺
点,并将其应用到 PQF 轧制工艺设计当中.
1 PQF 轧制工艺模型的建立
三辊限动芯棒连轧管机,又称 PQF(premium
quality finishing)轧管机.每个 PQF 轧管机有 6 个机
架,每个机架由 3 个辊组成
[1]
.
1.1 神经网络结构设计
1.1.1 确定输入、输出特征向量
通过分析原设备的资料,将其输入数据分为两大
类:与设备有关的机电参数和工艺参数.由于在实际
生产中,机组设备特性相对稳定,只需对工艺参数进
行调整.工艺参数包括成品外径、成品壁厚、连轧壁
厚、出口长度、出口速度和芯棒直径.实际生产所必
须的 PQF 自动化控制参数有电机转速、孔型直径、修
正值、轧制力、脱管机转速和限动速度.其中,前 4 种
参数分别对应 6 个机架,而脱管机转速和限动速度 2
下载后可阅读完整内容,剩余4页未读,立即下载
weixin_38653664
- 粉丝: 8
- 资源: 951
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- C++多态实现机制详解:虚函数与早期绑定
- Java多线程与异常处理详解
- 校园导游系统:无向图实现最短路径探索
- SQL2005彻底删除指南:避免重装失败
- GTD时间管理法:提升效率与组织生活的关键
- Python进制转换全攻略:从10进制到16进制
- 商丘物流业区位优势探究:发展战略与机遇
- C语言实训:简单计算器程序设计
- Oracle SQL命令大全:用户管理、权限操作与查询
- Struts2配置详解与示例
- C#编程规范与最佳实践
- C语言面试常见问题解析
- 超声波测距技术详解:电路与程序设计
- 反激开关电源设计:UC3844与TL431优化稳压
- Cisco路由器配置全攻略
- SQLServer 2005 CTE递归教程:创建员工层级结构
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功