基于改進BP算法的熱軋帶鋼組織性能預測模型的研究.pdf

1、對不同化學成分和工藝參數的熱軋帶鋼組織性能進行預測，可以進行新鋼種開發(fā)，優(yōu)化軋制工藝設計，減少合金元素含量，降低開發(fā)成本滿足市場需求。實現對軋制過程中組織-性能演變預測的軟儀表，將可以大幅減少性能檢測實驗量，實現組織和性能的高精度預測，縮短新產品開發(fā)周期、交貨周期，有助于進一步提高產品質量和成材率．本文根據組織-性能預測與控制技術(SPPC)理論，建立了基于BP神經網絡的組織性能預測系統(tǒng)。
　　 首先，本文建立了基本的BP神經網

2、絡，用于組織性能預測系統(tǒng)的開發(fā)。對影響鋼材力學性能的重要參數進行了分析，確立了組織性能預測系統(tǒng)的神經網絡結構，并將BP網絡模型應用于組織性能預測系統(tǒng)中，開發(fā)了基于VC平臺下的人機界面友好的組織性能離線預測系統(tǒng)。整理網絡訓練所用數據是熱軋組織-性能BP神經網絡預測模型建立的首要工作。本文針對現場采樣數據存在噪聲的情況，實現了梅鋼生產現場數據源的整合及采樣數據的預處理。為BP神經網絡模型的建立提供了真實、可靠、充分的數據基礎。實現了組織-性

3、能預測系統(tǒng)開發(fā)后對系統(tǒng)的預測結果進行了分析。
　　 其次，針對輸入輸出映射關系復雜的條件下BP網絡訓練速度較慢的情況，提出兩種改進網絡訓練的算法：第一，在訓練過程中識別收斂速度過慢的個別樣本進行重點訓練。第二，分析了BP網絡誤差曲面的特征，提出了自適應調節(jié)學習速率的誤差反傳算法。
　　 最后，利用上述改進算法進行SPA-H采樣數據的力學性能預測，并進行了試算：均方根誤差達到16時改進訓練算法共迭代1450次；原訓練算法需