文献类型：期刊文章

作　　者：章顺虎[1] 姜兴睿[1] 尤凤翔[2] 李寅雪[1]

ZHANG Shun-hu;JIANG Xing-rui;YOU Feng-xiang;LI Yin-xue(Shagang School of Iron and Steel;School of Mechanical and Electrical Engineering,Soochow University,Suzhou 215021,China)

机构地区：[1]苏州大学沙钢钢铁学院,江苏苏州215021 [2]苏州大学机电工程学院,江苏苏州215021

出　　处：《精密成形工程》

基　　金：国家自然科学基金(U1960105,51504156);江苏省优秀青年基金(BK20180095);苏州市重点产业技术创新项目-前瞻性应用研究(SYG201806);华中科技大学材料成形与模具技术国家重点实验室(P2019-015)。

年　　份：2020

卷　　号：12

期　　号：2

起止页码：8-14

语　　种：中文

收录情况：JST、普通刊

摘　　要：目的针对传统解法建立的轧制力模型精度不足的问题,建立一个轧制力整合模型。方法对工业大数据进行归一化处理,系统优化了神经网络模型的结构形式,建立了一个神经网络模型。在此基础之上,利用误差间距补偿的方法实现神经网络模型与已有理论模型的有机融合,从而最终获得了轧制力的整合模型。结果通过与已有的轧制力模型进行对比,表明所提出整合模型预测结果与实测值吻合更好,其中轧制力误差为?4.09%,轧制力矩误差为?4.01%。结论该模型整合方法能够实现理论模型与神经网络模型的优势互补,从而给出物理概念与预测精度均可靠的计算结果。

关 键 词：大数据 神经网络 误差补偿 轧制力模型

分 类 号：TG331]