利用神经网络提高热轧带钢卷取温度的控制精度
Improving Control Accuracy of Coiling Temperature on Hot Strip Mill by Artificial Neural Network作者机构：东北大学轧制技术及连轧自动化国家重点实验室辽宁沈阳110004 攀枝花新钢钒股份公司四川攀枝花617062
出 版 物：《东北大学学报（自然科学版）》 (Journal of Northeastern University(Natural Science))
年 卷 期：2005年第26卷第9期
页 面：871-873页
核心收录：
学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
摘 要：针对热轧带钢层流冷却过程的复杂性,以国内某热轧厂层流冷却系统为例,分析了层流冷却系统的组成以及相应的空冷和水冷数学模型.采用神经网络与数学模型相结合的方法,对带钢实测卷取温度与目标值的偏差进行了预报,证明利用神经网络能较好预测卷取温度的偏差值,进而对数学模型中的参数进行调整,实现高精度的卷取温度控制.结果表明,卷取温度比传统数学模型控制的标准差降低了21.94%.
维普期刊数据库
同方期刊数据库