本文關(guān)鍵詞：基于人工神經(jīng)網(wǎng)絡(luò)的鋁合金寬幅板帶材質(zhì)量控制模型的研究

  更多相關(guān)文章： 鋁合金寬幅板帶材 神經(jīng)網(wǎng)絡(luò) 厚度預測 流變應力 專家系統(tǒng)

【摘要】：鋁合金板帶材因其具有質(zhì)量輕,比強度高,耐蝕性好、易加工,表面質(zhì)量好等優(yōu)點而被廣泛應用。在國防軍工、航空航天和交通運輸?shù)刃袠I(yè),對高精度的鋁合金寬幅板帶材的需求越來越大。目前我國連軋控制技術(shù)水平還比較落后,生產(chǎn)出的產(chǎn)品質(zhì)量還達不到市場的要求,每年仍然需要進口大量高精度的鋁合金寬幅板帶材,尤其是5×××系的寬幅板材,制約了國民經(jīng)濟和國防建設(shè)的發(fā)展。加強對鋁合金寬幅板帶材質(zhì)量控制技術(shù)的研究,研發(fā)擁有自主知識產(chǎn)權(quán)的超大規(guī)格,高性能的鋁合金寬幅板帶材質(zhì)量控制技術(shù),是一件有重要意義的事情。在質(zhì)量控制技術(shù)研究中,各種精度高的控制模型獲取是研究中首要任務,而預測模型是控制模型建立的基礎(chǔ)。寬幅板帶材生產(chǎn)過程具有多變量、強耦合、非線性和時變性等特點,已有的模型大都采用傳統(tǒng)的本構(gòu)方程和擬合求解的方法,由于求解復雜,往往采用簡化方式,造成模型精度難以達到理想的效果。人工神經(jīng)網(wǎng)絡(luò)(ANN)等智能技術(shù)擅長處理復雜的多維的非線性問題,同時具有良好的自適應性和自學習能力,在數(shù)據(jù)豐富的領(lǐng)域得到了廣泛的應用。而鋁合金板帶材生產(chǎn)過程中積累了相當?shù)臄?shù)據(jù),因此有必要引入人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等人工智能技術(shù)開展研究。鋁合金寬幅板帶材厚度的控制和板形的控制是質(zhì)量控制的主要指標,本文針對兩大指標影響因素展開分析研究,運用人工神經(jīng)網(wǎng)絡(luò)等技術(shù),構(gòu)建相關(guān)預測模型,為高精度控制模型建立奠定了基礎(chǔ)。目前,對于板材厚度預測的模型比較多,但是對鋁合金寬幅中厚板的研究鮮有人涉及。針對國內(nèi)水平領(lǐng)先、最寬幅的“1+4”熱連軋生產(chǎn)線,根據(jù)生產(chǎn)現(xiàn)場獲取的有廣泛應用的5083鋁合金寬幅中厚板實測數(shù)據(jù),在研究分析關(guān)鍵影響因素的基礎(chǔ)上,運用人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立了鋁合金寬幅中厚板厚度預測的BP神經(jīng)網(wǎng)絡(luò)控制模型。模型的最佳結(jié)構(gòu)為4-10-1。其相對誤差在0.5%之內(nèi),精度較高,泛化能力較好。應用模型預測了5052寬幅鋁合金中厚板的出口厚度,預測結(jié)果在一個合理的范圍內(nèi),效果較理想。鋁合金的流變應力是寬幅板帶材板形最主要的影響因素。本文以5083鋁合金為研究對象,在溫度300-450℃、應變速率0.001-1s-1和真應變?yōu)?.7的條件下對其進行等溫壓縮試驗�；跓嶙冃螌嶒灁�(shù)據(jù),在整個應變范圍內(nèi),分別利用應變補償?shù)陌琙參數(shù)的本構(gòu)關(guān)系和人工神經(jīng)網(wǎng)絡(luò)建立了合金流變應力的預測模型;ANN模型的最佳結(jié)構(gòu)為3-9-1;對兩種預測模型的預測結(jié)果比較分析表明:ANN模型具有更高的預測精度,可以預測不同變形條件下的流變應力值。確認了ANN方法在數(shù)學建模中的優(yōu)勢。為了更好地方便應用預測模型,加快研發(fā)速度,本文還采用C#.NET與Matlab混合編程的方法,開發(fā)了鋁合金寬幅板帶材性能預測神經(jīng)網(wǎng)絡(luò)專家系統(tǒng),目前包含鋁合金寬幅板帶材厚度預測和流變應力預測兩個應用模塊。采用Matlab引擎技術(shù)實現(xiàn)了專家系統(tǒng)人機界面與知識庫的耦合,采用C#語言,結(jié)合ASP.NET技術(shù),實現(xiàn)了專家系統(tǒng)的人機交互界面。同時應用專家系統(tǒng)量化了厚度影響因素對軋件厚度波動的影響程度,為高精度寬幅板帶材質(zhì)量控制模型的建立,提供了更多有意義的信息。
【關(guān)鍵詞】：鋁合金寬幅板帶材 神經(jīng)網(wǎng)絡(luò) 厚度預測 流變應力 專家系統(tǒng)
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TG335.5;TP183
【目錄】：

• 摘要3-5
• Abstract5-10
• 1 緒論10-20
• 1.1 課題背景10
• 1.2 熱連軋技術(shù)10-13
• 1.2.1 鋁合金熱軋的特點10-11
• 1.2.2 國內(nèi)外熱連軋概況11-13
• 1.2.3 軋制過程的特點13
• 1.3 軋制過程的數(shù)學模型13-15
• 1.3.1 數(shù)學在軋制過程控制中的作用和特點13-14
• 1.3.2 軋制過程的建模方法14-15
• 1.4 人工神經(jīng)網(wǎng)絡(luò)在軋制領(lǐng)域的國內(nèi)外研究現(xiàn)狀15-16
• 1.5 人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的研究現(xiàn)狀16-17
• 1.6 課題的研究目的、內(nèi)容和技術(shù)路線17-20
• 1.6.1 課題研究的目的17
• 1.6.2 課題研究的內(nèi)容17
• 1.6.3 課題的技術(shù)路線17-20
• 2 鋁合金寬幅板帶材質(zhì)量影響因素分析20-26
• 2.1 板厚質(zhì)量分析20-23
• 2.1.1 軋機彈跳方程和彈塑性曲線20-22
• 2.1.2 板帶材厚度波動的原因分析22-23
• 2.2 板形質(zhì)量分析23-24
• 2.2.1 板形的影響因素23-24
• 2.3 本章小結(jié)24-26
• 3 基于人工神經(jīng)網(wǎng)絡(luò)的鋁合金寬幅中厚板厚度預測模型26-38
• 3.1 人工神經(jīng)網(wǎng)絡(luò)26-29
• 3.1.1 人工神經(jīng)元模型和網(wǎng)絡(luò)結(jié)構(gòu)26-27
• 3.1.2 BP神經(jīng)網(wǎng)絡(luò)模型27-29
• 3.2 鋁合金寬幅板帶材厚度預測模型結(jié)構(gòu)29-30
• 3.3 預測模型的仿真實現(xiàn)30-32
• 3.3.1 樣本的選擇以及預處理30
• 3.3.2 激活函數(shù)及訓練參數(shù)的選擇30-31
• 3.3.3 隱含層神經(jīng)元數(shù)目的確定31-32
• 3.4 模型的結(jié)果及應用32-36
• 3.4.1 模型的訓練結(jié)果32-35
• 3.4.2 模型的應用35-36
• 3.5 本章小結(jié)36-38
• 4 鋁合金的流變應力預測模型38-58
• 4.1 試驗方案38
• 4.2 5083鋁合金高溫壓縮真應力—真應變曲線38-39
• 4.3 鋁合金熱變形流變應力本構(gòu)方程39-49
• 4.3.1 應變補償?shù)陌琙參數(shù)本構(gòu)方程40-41
• 4.3.2 材料常數(shù)的確定41-44
• 4.3.3 應變補償44-47
• 4.3.4 本構(gòu)方程預測能力的驗證47-49
• 4.4 神經(jīng)網(wǎng)絡(luò)模型的建立和預測49-55
• 4.4.1 流變應力神經(jīng)網(wǎng)絡(luò)預測模型結(jié)構(gòu)49
• 4.4.2 BP神經(jīng)網(wǎng)絡(luò)模型的仿真實現(xiàn)49-50
• 4.4.3 模型的結(jié)果50-53
• 4.4.4 人工神經(jīng)網(wǎng)絡(luò)模型預測能力的驗證53-55
• 4.5 本構(gòu)方程與ANN模型預測能力的比較55-56
• 4.6 小結(jié)56-58
• 5 鋁合金寬幅板帶材性能預測專家系統(tǒng)的實現(xiàn)及應用58-72
• 5.1 系統(tǒng)的總體結(jié)構(gòu)和開發(fā)工具58-59
• 5.2 系統(tǒng)知識庫與人機交互界面的耦合59-61
• 5.2.1 Matlab引擎59
• 5.2.2 在 C#.NET 環(huán)境中實現(xiàn) Matlab 引擎59-60
• 5.2.3 C#.NET 調(diào)用神經(jīng)網(wǎng)絡(luò)模型60-61
• 5.3 人機交互界面的實現(xiàn)61-66
• 5.3.1 專家系統(tǒng)主界面61-62
• 5.3.2 系統(tǒng)應用模塊62-66
• 5.4 鋁合金寬幅板帶材性能預測專家系統(tǒng)的應用66-70
• 5.4.1 實驗設(shè)計67
• 5.4.2 結(jié)果分析67-70
• 5.5 本章小結(jié)70-72
• 6 結(jié)論與展望72-74
• 6.1 主要結(jié)論72
• 6.2 后續(xù)工作的展望72-74
• 致謝74-76
• 參考文獻76-80
• 附錄80
• A 作者在攻讀學位期間發(fā)表的論文目錄：80

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 魯世強;周細林;王克魯;李鑫;趙為綱;;基于BP神經(jīng)網(wǎng)絡(luò)的2D70鋁合金本構(gòu)關(guān)系模型[J];鍛壓技術(shù);2008年01期

，

本文編號：584541