论文部分内容阅读
本文围绕带钢热连轧的工艺过程，建立传统的数学模型，根据传统模型对带刚热连轧四个关键参数进行传统预报；设计BP网络结构，将BP算法应用于带钢热连轧轧制力预报中；利用粒子群优化（PSO）算法优化BP算法，得到PSO-BP混合算法，并将该混合算法应用于带钢热连轧过程中关键的轧制力参数预报中；最后研究并实现了VB-SQL-MATLAB跨平台的带钢热连轧关键参数预报系统。对带刚热连轧的生产过程关键参数实现传统模型和智能算法预报。主要研究内容如下：
⑴从带钢热连轧的实际生产工艺流程出发，建立了热连轧过程的四个关键模型：厚度分配模型、穿带速度模型、轧制力模型和弹跳模型。根据大量的前人实验数据，通过特定查表技术，使四个传统模型尽量精确。
⑵设计了BP网络结构，将BP人工神经网络算法应用于带钢热连轧轧制力预报中。由于BP算法存在局限，提出并实现了将PSO-BP智能算法应用到带刚热连轧轧制力预报中，得到高精度的轧制力预报值。
⑶由于系统实现要求友好界面、需要进行大量数据管理以及智能算法的实现需要复杂矩阵运算，构架了VB-SQL-MATLAB跨平台的系统，将带钢热连轧传统模型预报和智能算法预报连接起来。分VB、MATLAB、SQL三个平台设计并实现了系统。VB平台主要实现了传统模型和提供友好界面，MATLAB平台实现智能预报功能，SQL平台是两者的中间桥梁，实现信息互通以及为其他两个平台提供大量信息资源；最终构成跨平台的带钢热连轧关键参数预报系统。
⑷该系统令处于钢铁生产三级网络二级以上的管理人员也可以方便地得到预报结果，为管理人员制定决策提供比较准确的参考，对工程人员的培训也有一定的意义。PSO-BP智能算法的引入和实现令热连轧轧制力预报更加智能化、预报精度更高。跨平台系统的实现也便于日后系统的扩展和完善。该系统对工程人员知识水平的提高，对钢铁生产进一步智能化，对钢铁生产率和国民经济效益的提高具有现实意义。