公开(公告)号：CN112170501A

公开(公告)日：2021-01-05

申请号：CN202010975351.X

申请日：2020-09-16

Applicant: 太原理工大学

Inventor： 王振华 ,  王涛 ,  刘元铭 ,  郝平菊 ,  张殿华 ,  龚殿尧 ,  刘文文 ,  韩建超

IPC: B21B37/30

Abstract: 本发明公开了一种轧辊磨损凸度和热凸度的预测方法，属于轧制过程自动控制技术领域。首先采集轧制生产过程中的二级计算数据；按照工作辊换辊周期进行划分，生成若干个工作辊换辊周期的建模数据；将各周期内依次轧制带钢的过程抽象成时间序列问题，再将各周期的数据分成训练集和测试集，用训练集数据构建Elman反馈神经网络来进行轧辊磨损凸度和热凸度预测；通过多次测试最终确定Elman反馈神经网络的训练函数、隐含层神经元个数以及最大迭代次数等最佳参数，最后采用确定好的Elman反馈神经网络训练得到预测模型，并对新轧制周期内工作辊的磨损凸度和热凸度进行预测。预测模型基于实际生产数据，而轧制现场生产数据的采集易于操作，模型具有很强的推广能力。

公开(公告)号：CN112170502A

公开(公告)日：2021-01-05

申请号：CN202010975343.5

申请日：2020-09-16

Applicant: 太原理工大学

Inventor： 王振华 ,  刘元铭 ,  王涛 ,  郝平菊 ,  龚殿尧 ,  张殿华 ,  任忠凯

IPC: B21B37/38

Abstract: 本发明公开了一种轧制过程弯辊力的预测方法，属于轧制过程自动控制技术领域。本发明通过分层别采集轧制生产过程中包含影响弯辊力参数的带钢生产数据；对生产数据进行降噪处理；将降噪后的生产数据分为训练集和测试集；将降噪后的标准化矩阵作为广义回归神经网络模型的输入，采用果蝇优化算法对广义回归神经网络模型的光滑因子进行优化选择；采用优化选择的光滑因子构造广义回归神经网络弯辊力预测模型；用训练集训练预测模型，用测试集测试预测模型的泛化性能。本发明的预测方法精度高。预测模型基于大量生产数据，而轧制现场生产数据的采集易于操作，模型具有很强的推广能力。

公开(公告)号：CN112170501B

公开(公告)日：2022-05-27

申请号：CN202010975351.X

申请日：2020-09-16

Applicant: 太原理工大学

Inventor： 王振华 ,  王涛 ,  刘元铭 ,  郝平菊 ,  张殿华 ,  龚殿尧 ,  刘文文 ,  韩建超

IPC: B21B37/30

Abstract: 本发明公开了一种轧辊磨损凸度和热凸度的预测方法，属于轧制过程自动控制技术领域。首先采集轧制生产过程中的二级计算数据；按照工作辊换辊周期进行划分，生成若干个工作辊换辊周期的建模数据；将各周期内依次轧制带钢的过程抽象成时间序列问题，再将各周期的数据分成训练集和测试集，用训练集数据构建Elman反馈神经网络来进行轧辊磨损凸度和热凸度预测；通过多次测试最终确定Elman反馈神经网络的训练函数、隐含层神经元个数以及最大迭代次数等最佳参数，最后采用确定好的Elman反馈神经网络训练得到预测模型，并对新轧制周期内工作辊的磨损凸度和热凸度进行预测。预测模型基于实际生产数据，而轧制现场生产数据的采集易于操作，模型具有很强的推广能力。