融合工业大数据的热轧厚板轧制力模型研究

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

所属期刊栏目：12

分类号：TG331(金属压力加工)

资助基金：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

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8-14