文献类型：期刊文章

作　　者：王智[1] 张果[1] 王剑平[1] 杨俊东[2] 杨奇[3] 尹丽琼[3]

机构地区：[1]昆明理工大学信息工程与自动化学院,云南昆明650500 [2]云南大学信息学院,云南昆明650091 [3]昆明钢铁控股有限公司板带厂,云南昆钢650302

出　　处：《钢铁研究》

基　　金：国家自然科学基金(61364008);云南省应用基础研究重点项目(2014FA029);云南省教育厅重点基金项目(2013Z127)

年　　份：2017

卷　　号：45

期　　号：3

起止页码：23-26

语　　种：中文

收录情况：CAS、CSA、CSA-PROQEUST、ZGKJHX、普通刊

摘　　要：为了有效预测双机架炉卷轧机的轧制力,使热轧板带材生产具有很好的可操作性,采用粒子群算法(PSO)优化BP神经网络,建立了往复式双机架炉卷轧机轧制力预测的智能模型。以某钢厂热轧产品Q195实测数据作为试验样本,并将粒子群算法优化的BP神经网络模型和标准BP网络模型分别用于轧制力预测,结果表明PSO-BP神经网络模型在预报精度上明显优于标准BP网络模型,并且PSO-BP神经网络模型预测轧制力的误差率控制在10%以内。

关 键 词：双机架炉卷轧机  粒子群 BP神经网络 轧制力

分 类 号：TP391.9]