基于BP神經(jīng)網(wǎng)絡(luò)逆模型的熱連軋產(chǎn)品質(zhì)量研究.pdf

1、隨著計算機(jī)人工智能技術(shù)的快速發(fā)展，利用人工智能提高鋼鐵企業(yè)的市場競爭力，滿足用戶對鋼種的特定需求是目前鋼鐵企業(yè)研究的重要目標(biāo)。本文以某鋼鐵企業(yè)熱連軋產(chǎn)品質(zhì)量為研究背景，運用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建鋼鐵熱連軋產(chǎn)品性能指標(biāo)和鋼鐵化學(xué)成份與軋制工藝參數(shù)的逆模型，目的能夠根據(jù)給定的鋼鐵性能指標(biāo)求軋制工藝參數(shù)。為此，主要做了以下工作：
　　1、分析研究論文選題背景與目前國內(nèi)外有關(guān)BP神經(jīng)網(wǎng)絡(luò)逆模型和自適應(yīng)逆控制算法的研究現(xiàn)狀。并且綜述了與論文研究相

2、關(guān)的理論與算法：BP神經(jīng)網(wǎng)絡(luò)和自適應(yīng)逆控制理論。
　　2、分析內(nèi)?？刂评碚摰难芯楷F(xiàn)狀與基本原理。研究線性內(nèi)?？刂坪蜕窠?jīng)非線性內(nèi)?？刂频脑O(shè)計方法，并通過實驗驗證了神經(jīng)非線性內(nèi)?？刂凭哂邢龜_動和魯棒性的特點。
　　3、結(jié)合BP神經(jīng)網(wǎng)絡(luò)、自適應(yīng)逆控制與內(nèi)?？刂评碚?，建立了基于內(nèi)模控制的多輸入單輸出（MISO）的BP神經(jīng)網(wǎng)絡(luò)逆模型，實現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)輸出變量和輸入變量的逆映射，根據(jù)模型的輸出變量可以求解出輸入變量,并且給出逆模型求

3、解的具體算法步驟。
　　4、根據(jù)某鋼鐵企業(yè)生產(chǎn)某鋼種樣本，將所建模型應(yīng)用到熱連軋產(chǎn)品質(zhì)量系統(tǒng)中，給定熱連軋產(chǎn)品性能指標(biāo)求解軋制工藝參數(shù)—軋制卷曲溫度，實現(xiàn)了對軋制工藝參數(shù)的優(yōu)化和可控制性。經(jīng)過實驗驗證，將逆模型輸出的卷曲溫度代入到熱連軋產(chǎn)品質(zhì)量正系統(tǒng)中進(jìn)行預(yù)測，誤差在0.04范圍內(nèi)，基本符合企業(yè)的要求。
　　下一步的研究工作將運用所建立的BP神經(jīng)網(wǎng)絡(luò)逆模型，根據(jù)給定的鋼鐵性能指標(biāo)求解熱連軋鋼鐵化學(xué)成份含量，降低鋼鐵熱連軋產(chǎn)品