基于CGBP神经网络热轧带钢卷取温度预估模型的研究
建立精确的热轧带钢卷取温度的数学模型是很困难的,传统的模型需求解复杂的微分方程.此外,数学模型都需要大量的参数来辨识,有些参数不能精确地获得.采用人工神经网络的方式来训练模型参数即模型综合因子,大大提高了卷取温度的精度.本文采用变梯度算法BP神经网络,即CGBP(conjugate gradient backprogagation)的方法并结合大量的现场数据,对热轧带钢层流冷却数学模型中的模型综合因子进行预测,将结果应用于计算卷取温度的数学模型中,可以很好地预测带钢的卷取温度,大大提高了卷取温度预测的精度,取得了很好实际应用效果.
热轧带钢卷取温度 CGBP神经网络 模型综合因子 数学模型 温度预测
李彦荣 彭力
江南大学通信与控制学院,江苏无锡,214122
国内会议
北京
中文
149-154
2008-07-22（万方平台首次上网日期，不代表论文的发表时间）