基于BP神經網絡逆模型的熱連軋產品質量研究.pdf

1、隨著計算機人工智能技術的快速發(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。本文以某鋼鐵企業(yè)熱連軋產品質量為研究背景，運用BP神經網絡構建鋼鐵熱連軋產品性能指標和鋼鐵化學成份與軋制工藝參數的逆模型，目的能夠根據給定的鋼鐵性能指標求軋制工藝參數。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外有關BP神經網絡逆模型和自適應逆控制算法的研究現狀。并且綜述了與論文研究相

2、關的理論與算法：BP神經網絡和自適應逆控制理論。
　　2、分析內?？刂评碚摰难芯楷F狀與基本原理。研究線性內?？刂坪蜕窠浄蔷€性內?？刂频脑O計方法，并通過實驗驗證了神經非線性內?？刂凭哂邢龜_動和魯棒性的特點。
　　3、結合BP神經網絡、自適應逆控制與內模控制理論，建立了基于內模控制的多輸入單輸出（MISO）的BP神經網絡逆模型，實現了BP神經網絡輸出變量和輸入變量的逆映射，根據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、根據某鋼鐵企業(yè)生產某鋼種樣本，將所建模型應用到熱連軋產品質量系統中，給定熱連軋產品性能指標求解軋制工藝參數—軋制卷曲溫度，實現了對軋制工藝參數的優(yōu)化和可控制性。經過實驗驗證，將逆模型輸出的卷曲溫度代入到熱連軋產品質量正系統中進行預測，誤差在0.04范圍內，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神經網絡逆模型，根據給定的鋼鐵性能指標求解熱連軋鋼鐵化學成份含量，降低鋼鐵熱連軋產品