發(fā)布時間：2022-01-26 11:38

　　現(xiàn)如今,人們對鋼鐵產(chǎn)品的質(zhì)量要求越來越嚴格,尤其是在力學性能方面,追求更高的穩(wěn)定型和高精度。在長期的生產(chǎn)過程中,鋼鐵廠累積了很多生產(chǎn)相關資料,有了這些生產(chǎn)數(shù)據(jù)就可為以后生產(chǎn)提供可靠的參考。基于這些研究數(shù)據(jù),以熱軋產(chǎn)品的力學性能（分別為屈服強度、抗拉強度和伸長率）、化學的組成含量和鋼鐵生產(chǎn)中軋制參數(shù)間的相互關系,建立一個高質(zhì)量的預測模型來研究熱軋板帶力學性能,對于熱軋產(chǎn)品生產(chǎn)的指導、生產(chǎn)效率的提高和工藝的優(yōu)化有著很大的促進作用。BP神經(jīng)網(wǎng)絡算法已經(jīng)比較成熟、應用也相當廣泛。本文以BP神經(jīng)網(wǎng)絡為基礎對熱軋板帶力學性能進行預測分析,然而BP神經(jīng)網(wǎng)絡存在不足之處,如:收斂的速度慢、易陷入局部極小點值等問題。針對這些問題,引入LM（Levenberg-Marquardta）算法提高其收斂速度、遺傳算法對其權值和閾值進行優(yōu)化,以達到滿意的預測結果。本文將以某鋼廠雙機架爐卷軋機的生產(chǎn)工藝為背景,對熱軋板帶的力學性能（以抗拉強度為代表）預測問題進行分析研究�；诮⒌牧W性能研究模型,文章首先單獨運用BP算法進行預測研究。預測效果大體上良好,但對目前生產(chǎn)者對鋼材高精度的要求來說,該模型的精度和收斂速度... 

【文章來源】：昆明理工大學云南省

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖２．１雙機架爐卷軋機??９??

??下圖２．?２為該軋機的構造圖：??可逆式四輥?可逆式四輥??ｎｎｎｎ？?０?０?ｆ??ａ?ｔ?１?（）〔）?ＬＪ??００??圖２．２雙機架爐卷熱軋機構造??從上圖可以清晰地知道該軋機構造主要有：輥道、加熱爐、除磷箱、立輥軋??機、板卷箱、可逆式軋機以及卷取機等??該軋機采用了雙機架四輥軋機，其對稱分布的板卷箱，使軋件就可以在軋機??之間進行往復軋制。和傳統(tǒng)爐卷機相比，軋制的效率有很大程度的提高，在保證??生產(chǎn)質(zhì)量的同時又提高了總輸出產(chǎn)量。??結合圖２．２，易知道該軋工作過程大致包括加熱、軋制、冷卻和卷取四個部??分［２２］［２３］。具體的工作過程如下：??（１）

圖３．２人工神經(jīng)元模型??

【參考文獻】：
期刊論文
[1]基于RBF神經(jīng)網(wǎng)絡的強力旋壓連桿襯套力學性能預測研究[J]. 佘勇,樊文欣,陳東寶,曹存存.  鍛壓技術. 2016(06)
[2]基于BP神經(jīng)網(wǎng)絡的AZ91鎂合金均勻化后的力學性能研究[J]. 吳雄喜.  兵器材料科學與工程. 2013(06)
[3]基于BP神經(jīng)網(wǎng)絡的Mg-Al-Si合金力學性能研究[J]. 吳新華,伊厚會.  熱加工工藝. 2013(20)
[4]基于BP神經(jīng)網(wǎng)絡的回火溫度對LCMB鋼力學性能的影響研究[J]. 何薇,劉彥章.  熱加工工藝. 2013(20)
[5]基于GABP算法的化工設備設計人工時預測[J]. 戴健偉,吉華,楊崗,樊剛,王彬.  計算機集成制造系統(tǒng). 2013(07)
[6]基于多輸入層遺傳神經(jīng)網(wǎng)絡的熱軋產(chǎn)品性能預測[J]. 呂志民,隋筱玥.  數(shù)據(jù)采集與處理. 2012(05)
[7]修正激勵函數(shù)對標準BP算法的改進[J]. 畢小梅,陳建斌.  數(shù)字技術與應用. 2012(07)
[8]基于BP神經(jīng)網(wǎng)絡的BNS440熱軋板力學性能預測[J]. 劉學偉,胡恒法.  梅山科技. 2010 (04)
[9]BP神經(jīng)網(wǎng)絡漏鋼預測系統(tǒng)優(yōu)化[J]. 厲英,王正,敖志廣,翟瑩瑩,龐維成.  控制與決策. 2010(03)
[10]基于BP神經(jīng)網(wǎng)絡預報鋼錠成分的軟件開發(fā)[J]. 張毅,徐衛(wèi)平,鄭家良,肖純.  微計算機信息. 2009(25)

碩士論文
[1]基于GA-BP神經(jīng)網(wǎng)絡模式識別的連鑄機漏鋼預報模型研究[D]. 王凱.大連理工大學 2015
[2]熱軋帶鋼力學性能軟測量方法研究[D]. 關又源.東北大學 2011
[3]寶鋼1580mm熱軋帶鋼厚度控制優(yōu)化研究[D]. 王金濤.東北大學 2010
[4]基于改進BP算法的熱軋帶鋼力學性能軟測量[D]. 李昂.東北大學 2009
[5]數(shù)據(jù)挖掘在熱軋板帶質(zhì)量預測中的應用[D]. 鄭楊元.昆明理工大學 2009
[6]基于改進BP神經(jīng)網(wǎng)絡的PID控制方法的研究[D]. 劉益民.中國科學院研究生院（西安光學精密機械研究所） 2007
[7]雙機架循環(huán)往復式熱軋機模型在線自學習的研究[D]. 唐曉勇.昆明理工大學 2005
[8]雙機架軋機數(shù)學模型自適應控制研究[D]. 王安.昆明理工大學 2005
[9]改進遺傳算法及其在物流配送中心選址優(yōu)化的應用[D]. 黎鈞琪.武漢理工大學 2003



本文編號：3610426