深度神经网络轧制力建模及其并行优化研究 被引量：2

1

作者 刘翰培 汪宇轩 +1 位作者 王亚琴 罗小川 《控制工程》 CSCD 北大核心 2022年第8期1379-1386,共8页

冷连轧过程控制的轧制力模型是整个轧制过程计算机控制的基础。为提高5机架2030冷连轧系统轧制力模型的精度和适用性,提出了多输入多输出深度神经网络轧制力模型的数据预处理、建模和并行优化方法。对含有不同隐含层数和节点数的神经网... 冷连轧过程控制的轧制力模型是整个轧制过程计算机控制的基础。为提高5机架2030冷连轧系统轧制力模型的精度和适用性,提出了多输入多输出深度神经网络轧制力模型的数据预处理、建模和并行优化方法。对含有不同隐含层数和节点数的神经网络,采用不同训练算法(SCG算法和L-M算法)与不同优化方法(多线程CPU、单GPU和多线程CPU+GPU),研究了神经网络结构、训练算法和优化方法对神经网络轧制力模型的性能、训练时长、线性相关系数的影响。研究结果表明:含有2个隐含层、采用L-M算法和多线程CPU优化方法可获得综合性能最优的神经网络轧制力模型;神经网络轧制力模型的计算误差远小于在线使用的Siemens轧制力模型的计算误差。 展开更多

关键词 深度神经网络轧制力模型 L-M算法 SCG算法 并行优化 轧制力模型

在线阅读 下载PDF 职称材料

基于神经网络的冷连轧机轧制力预报模型 被引量：25

2

作者 周富强 曹建国 +3 位作者 张杰 尹晓青 贾生晖 曾伟 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2006年第6期1155-1160,共6页

为了提高冷连轧机轧制力预报精度,提出一种解析数学模型结合神经网络校正模型的计算方法,建立冷连轧机轧制力预报模型。采用径向基函数的局部映射和全局线性映射相结合的神经网络校正模型求解带钢变形抗力和轧制变形区的摩擦因数;并采... 为了提高冷连轧机轧制力预报精度,提出一种解析数学模型结合神经网络校正模型的计算方法,建立冷连轧机轧制力预报模型。采用径向基函数的局部映射和全局线性映射相结合的神经网络校正模型求解带钢变形抗力和轧制变形区的摩擦因数;并采用轧制变形区离散化方法分析轧制变形区内张力、摩擦力及金属变形抗力等在带钢轧制方向上的分布规律,从而建立轧制力在线计算数学模型。现场实测数据离线仿真结果表明,采用此基于神经网络的冷连轧机轧制力预报模型预测轧制力,其预测误差小于8.9%,此模型能用于指导生产实践。 展开更多

关键词 冷连轧机 轧制力 神经网络 数学模型

在线阅读 下载PDF 职称材料

轧制力预报中的神经网络和数学模型 被引量：19

3

作者 王秀梅 吕程 +1 位作者 王国栋 刘相华 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 1999年第3期319-321,共3页

采用ＢＰ神经网络方法预报热连轧精轧机组轧制力·通过训练数据预处理、利用遗传算法优化网络结构和参数、按钢种划分训练样本等方法，提高了网络的预报精度，优于传统的数学模型方法·ＢＰ神经网络与数学模型相结合的综合神经... 采用ＢＰ神经网络方法预报热连轧精轧机组轧制力·通过训练数据预处理、利用遗传算法优化网络结构和参数、按钢种划分训练样本等方法，提高了网络的预报精度，优于传统的数学模型方法·ＢＰ神经网络与数学模型相结合的综合神经网络方法，进一步提高了轧制力的预报精度·预测结果与实测数据比较表明，相对误差基本在±７％以内。 展开更多

关键词 神经网络 遗传算法 数学模型 轧制力预报 热连轧

在线阅读 下载PDF 职称材料

基于BP神经网络的CSP生产线轧制力预测模型 被引量：2

4

作者 何亚元 严翔 +2 位作者 李立新 周千学 官计生 《机械工程材料》 CAS CSCD 北大核心 2014年第10期79-82,87,共5页

使用数学模型和BP神经网络相结合的方法对轧制力进行预测。与大多数神经网络仅选取轧制变量作为输入量不同,该BP神经网络增加了喷油量和轧制力模型计算值作为输入变量以考虑摩擦对轧制力的影响,避免过大的轧制力预测偏差,从而形成了11&#... 使用数学模型和BP神经网络相结合的方法对轧制力进行预测。与大多数神经网络仅选取轧制变量作为输入量不同,该BP神经网络增加了喷油量和轧制力模型计算值作为输入变量以考虑摩擦对轧制力的影响,避免过大的轧制力预测偏差,从而形成了11×7×1的网络结构,并和轧制力模型组合构成CSP生产线轧制力预测模型。结果表明:该神经网络模型预测值与实测平均值的平均相对误差仅为1.08%,轧制力模型的平均相对误差为6.32%,该神经网络对轧制力实测平均值的跟踪能力更好,有较高的工程应用价值。 展开更多

关键词 BP神经网络 轧制力模型 喷油量 CSP生产线

在线阅读 下载PDF 职称材料

冷连轧轧制力深度神经网络模型泛化能力并行优化 被引量：1

5

作者 吴爽 闫奕 +1 位作者 李爽 李峰 《机械设计与制造》 北大核心 2023年第8期171-174,共4页

为了更好调控冷连轧板厚参数,设计了一种冷连轧轧制力深度神经网络模型,增强了冷连轧模型的控制效果。选择2030冷连轧结构进行研究,对多输入多输出(MIMO)深度神经网络(DNN)进行预处理,针对多线程CPU与GPU实施了优化,对比了神经网络模型... 为了更好调控冷连轧板厚参数,设计了一种冷连轧轧制力深度神经网络模型,增强了冷连轧模型的控制效果。选择2030冷连轧结构进行研究,对多输入多输出(MIMO)深度神经网络(DNN)进行预处理,针对多线程CPU与GPU实施了优化,对比了神经网络模型和冷连轧系统Siemens模型误差。研究结果表明:L-M算法表现出了更优的收敛稳定性、测试和验证性能、梯度下降趋势,并且收敛速度也更快。以随机方式选择200个数据并测定泛化性能测试得到,L-M算法获得了比SCG算法更大的相关系数。都是随着隐含层数的增加,获得了性能更优的神经网络模型,并且都会增加训练时间。从各项模型指标分析,L-M算法都比SCG算法的性能更优。构建神经网络轧制力模型总共包含二个隐含层、节点数介于17~30、通过L-M算法进行训练。采用神经网络轧制力模型得到的结果与实测值之间的误差比Siemens机理模型和测试值的误差更低。 展开更多

关键词 深度神经网络模型 L-M算法 SCG算法 并行优化 轧制力模型

在线阅读 下载PDF 职称材料

轧机轧制力的改进训练策略深度神经网络预测

6

作者 于飞 于博 《机械设计与制造》 北大核心 2023年第1期96-100,共5页

为了提高双机架炉卷轧机的轧制力预测精度,提出了具有快速而高效训练策略的深度神经网络预测方法。介绍了双机架炉卷轧机的工作原理,分析了轧制力影响参数。在深度神经网络基础上,使用随机小批量的样本选取法,提高深度神经网络训练速度... 为了提高双机架炉卷轧机的轧制力预测精度,提出了具有快速而高效训练策略的深度神经网络预测方法。介绍了双机架炉卷轧机的工作原理,分析了轧制力影响参数。在深度神经网络基础上,使用随机小批量的样本选取法,提高深度神经网络训练速度;提出自适应矩估计梯度优化算法,用于解决传统训练方法陷入局部极值的问题,从而给出了改进训练策略的深度神经网络轧制力预测方法。经轧制实验验证,改进深度神经网络的训练时间为226.15s,而传统网络的训练时间为862.93s;改进网络的预测误差绝大部分控制在3%以内,而传统网络的预测误差绝大部分控制在5%以内。以上数据表明,改进深度神经网络的训练速度和预测精度均远优于传统深度神经网络。 展开更多

关键词 深度神经网络 轧制力预测 自适应矩估计梯度优化 随机小批量梯度下降法

在线阅读 下载PDF 职称材料

基于人工神经网络的中厚板精轧机轧制力预报 被引量：11

7

作者 程晓茹 胡衍生 +1 位作者 任勇 宋耀华 《武汉科技大学学报》 CAS 2001年第2期132-134,共3页

采用人工神经网络方法 ,以生产实测数据为基础 。

关键词 中厚板轧制 人工神经网络 轧制力 精轧力 预报模型 变形抗力模型

在线阅读 下载PDF 职称材料

基于数据库的神经网络轧制力建模 被引量：3

8

作者 刘兴刚 丛德宏 +2 位作者 郝丽娜 徐心和 李山青 《系统仿真学报》 EI CAS CSCD 北大核心 2005年第1期7-10,15,共5页

冷连轧过程控制的轧制力模型对于提高轧制精度和降低生产成本具有重要的意义,而传统的轧制力模型结构简单,精度较低,即使在实际生产中采用自适应技术,也无法满足高精度轧制的需要。为此针对5机架冷连轧机,提出并联结构的BP神经网络模型... 冷连轧过程控制的轧制力模型对于提高轧制精度和降低生产成本具有重要的意义,而传统的轧制力模型结构简单,精度较低,即使在实际生产中采用自适应技术,也无法满足高精度轧制的需要。为此针对5机架冷连轧机,提出并联结构的BP神经网络模型;采用Levenberg-Marquardt算法进行训练,确定网络的结构和参数;在数据库中建立钢种与神经网络的结构和参数一一对应的关系表,保存网络训练结果。对神经网络模型的仿真测试表明该神经网络轧制力模型有较强的泛化能力,收敛速度快,不易陷入局部最优,精度明显高于传统的轧制力模型。 展开更多

关键词 冷连轧 轧制力模型 神经网络 LEVENBERG-MARQUARDT算法 数据库

在线阅读 下载PDF 职称材料

基于改进SSA-GA-BP神经网络的热连轧轧制力预测 被引量：4

9

作者 胡啸 薛霖 +3 位作者 景洁 王晓军 李怡宏 姬亚锋 《塑性工程学报》 CAS CSCD 北大核心 2023年第8期122-129,共8页

针对热连轧过程传统轧制力模型不能准确反映实际轧制力的问题,提出了群智能优化算法优化机器学习的热连轧轧制力预测模型。以某热连轧生产线数据为基础,利用随机森林算法进行输入特征的重要性排序,选取重要度较大的参数作为BP神经网络... 针对热连轧过程传统轧制力模型不能准确反映实际轧制力的问题,提出了群智能优化算法优化机器学习的热连轧轧制力预测模型。以某热连轧生产线数据为基础,利用随机森林算法进行输入特征的重要性排序,选取重要度较大的参数作为BP神经网络的输入参数,并采用Pauta法则对原始轧制数据进行预处理,基于GA-BP模型建立了精度良好的轧制力预测模型,并采用改进的麻雀搜索算法对GA-BP模型进行了二次优化。将建立的改进SSA-GA-BP模型与传统轧制力模型、BP神经网络模型以及未二次优化的GA-BP模型进行对比。结果表明,改进的SSA-GA-BP模型较其他模型具有较高的预测精度和良好的泛化能力。 展开更多

关键词 改进SSA 重要性排序 GA-BP神经网络 二次优化 轧制力预测模型

在线阅读 下载PDF 职称材料

基于深度网络训练的铝热轧轧制力预报 被引量：14

10

作者 魏立新 魏新宇 +1 位作者 孙浩 王恒 《中国有色金属学报》 EI CAS CSCD 北大核心 2018年第10期2070-2076,共7页

在铝热轧过程中,轧制力预报精度直接影响着成品的产量和质量。为了提高铝热连轧轧制力预报精度,提出一种基于深度学习方法的多层感知器(Multi-layerPerceptron,MLP)轧制力预报模型。模型利用MLP的函数逼近能力来回归轧制力。模型以小批... 在铝热轧过程中,轧制力预报精度直接影响着成品的产量和质量。为了提高铝热连轧轧制力预报精度,提出一种基于深度学习方法的多层感知器(Multi-layerPerceptron,MLP)轧制力预报模型。模型利用MLP的函数逼近能力来回归轧制力。模型以小批量训练为基础,利用Batch Normalization方法稳定网络前向传播的输出分布,并使用Adam随机优化算法来完善梯度更新,以解决MLP模型难以训练的问题。仿真结果表明:模型使网络预测与实测数据的相对误差降低到3%以内,实现了轧制力的高精度预测。 展开更多

关键词 铝热轧 轧制力预测 深度学习 多层神经网络 优化算法

在线阅读 下载PDF 职称材料

热连轧轧制力模型系数回归的新方法 被引量：2

11

作者 王秀梅 王国栋 +3 位作者 刘相华 邹天来 张弓 李洪斌 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 1999年第5期522-524,共3页

热连轧过程中，为了提高轧制力预设定精度，提出一种新的修改轧制力模型参数的方法·利用ＢＰ 神经网络对以往的大量生产数据进行训练、预测·对ＢＰ 神经网络的预测结果利用最小二乘法，回归出轧制力模型中的温度相关系数ｍ １... 热连轧过程中，为了提高轧制力预设定精度，提出一种新的修改轧制力模型参数的方法·利用ＢＰ 神经网络对以往的大量生产数据进行训练、预测·对ＢＰ 神经网络的预测结果利用最小二乘法，回归出轧制力模型中的温度相关系数ｍ １ 和变形速度相关系数ｍ ３·现场生产实验证明，应用修改后的轧制力模型系数，提高了轧制力预设定精度，从而使头部厚度精度有较大提高·对于象本溪钢铁公司热连轧厂这样的老企业，这种新方法更具有在线应用的可行性· 展开更多

关键词 热连轧 轧制力 数学模型 神经网络 回归

在线阅读 下载PDF 职称材料

中厚板精轧机轧制力预报综合模型研究 被引量：1

12

作者 程晓茹 魏兵 +1 位作者 程曦 潘知韦 《武汉科技大学学报》 CAS 2009年第5期449-452,共4页

为提高中厚板精轧机轧制力的预报精度,建立了Sims公式简化式与人工神经网络相结合的轧制力预报综合模型。以3 000 mm中厚板精轧机实测数据为基础,用Sims公式简化式计算轧制力主值,利用MAT-LAB人工神经网络工具箱,建立BP神经网络模型预... 为提高中厚板精轧机轧制力的预报精度,建立了Sims公式简化式与人工神经网络相结合的轧制力预报综合模型。以3 000 mm中厚板精轧机实测数据为基础,用Sims公式简化式计算轧制力主值,利用MAT-LAB人工神经网络工具箱,建立BP神经网络模型预报轧制力的偏差值,用提前结束的方法来训练网络。模型的综合采用加法和乘法两种方式。结果表明,与单独采用Sims公式简化式相比,综合模型的预报精度提高很多,而且加法网络算法的预报效果比乘法网络算法更好。 展开更多

关键词 中厚板精轧机 轧制力 人工神经网络 MATLAB软件 综合模型

在线阅读 下载PDF 职称材料

融合工业大数据的热轧厚板轧制力模型研究 被引量：15

13

作者 章顺虎 姜兴睿 +1 位作者 尤凤翔 李寅雪 《精密成形工程》 2020年第2期8-14,共7页

目的针对传统解法建立的轧制力模型精度不足的问题,建立一个轧制力整合模型。方法对工业大数据进行归一化处理,系统优化了神经网络模型的结构形式,建立了一个神经网络模型。在此基础之上,利用误差间距补偿的方法实现神经网络模型与已有... 目的针对传统解法建立的轧制力模型精度不足的问题,建立一个轧制力整合模型。方法对工业大数据进行归一化处理,系统优化了神经网络模型的结构形式,建立了一个神经网络模型。在此基础之上,利用误差间距补偿的方法实现神经网络模型与已有理论模型的有机融合,从而最终获得了轧制力的整合模型。结果通过与已有的轧制力模型进行对比,表明所提出整合模型预测结果与实测值吻合更好,其中轧制力误差为?4.09%,轧制力矩误差为?4.01%。结论该模型整合方法能够实现理论模型与神经网络模型的优势互补,从而给出物理概念与预测精度均可靠的计算结果。 展开更多

关键词 大数据 神经网络 误差补偿 轧制力模型

在线阅读 下载PDF 职称材料