导读:本文包含了轧制压力预报论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:压力,神经网络,模型,抗力,轧辊,中厚板,精度。
轧制压力预报论文文献综述
肖志余,李丽容,刘兵,刘小宁[1](2015)在《Q235钢变形抗力模型对中厚板轧制压力预报精度影响研究》一文中研究指出建立中厚板轧制压力计算模型,分别采用周纪华、美坂佳助、志田茂叁种变形抗力模型对Q235钢中厚板轧制压力进行预报,分析变形抗力模型对中厚板轧制压力预报精度的影响.结果表明:Q235钢中厚板轧制过程中,美坂佳助变形抗力模型对轧制压力预报精度较高.(本文来源于《南方金属》期刊2015年04期)
肖志余,刘桂花,朱芸,刘小宁[2](2015)在《变形抗力模型对中厚板轧制压力预报精度影响的研究》一文中研究指出中厚板轧制压力分别采用凸轮试验和热模拟试验两种变形抗力模型进行预报,变形抗力模型对中厚板轧制压力预报精度的影响显得尤为重要。相关分析研究结果表明:在中厚板轧制过程中,凸轮试验变形抗力模型对轧制压力的预报精度较为稳定;热模拟试验变形抗力模型对轧制压力的预报精度波动较大,但在中间轧制道次,热模拟试验变形抗力模型对轧制压力的预报精度高于凸轮试验变形抗力模型。(本文来源于《宽厚板》期刊2015年03期)
梁彭[3](2015)在《轧辊弹性压扁对中厚板轧制压力预报精度影响的研究》一文中研究指出构建中厚板轧制压力核算模具,采用简易轧制状况和权衡压辊弹力压扁状况下轧件与轧辊对接面积核算模具预报轧制压力,并解析轧辊弹力压扁对中厚板轧制力预报精度的左右情况。可以看到,在中厚板轧制并权衡到轧辊弹性压扁的状况下,当预报轧制压力比实际测验值小的时候,轧制压力的预报精度就会提升;反之,预报精度就会减低。(本文来源于《山东工业技术》期刊2015年05期)
肖志余,刘桂花,刘兵,刘小宁[4](2014)在《轧辊弹性压扁对中厚板轧制压力预报精度影响的研究》一文中研究指出建立中厚板轧制压力计算模型,分别采用简单轧制情况和考虑轧辊弹性压扁情况下轧件与轧辊接触面积计算模型来预报轧制压力,分析轧辊弹性压扁对中厚板轧制力预报精度的影响。结果表明,在中厚板轧制过程中考虑轧辊弹性压扁的情况下,当预报轧制压力小于实测值时,轧制压力的预报精度提高;当预报轧制压力大于实测值时,轧制压力的预报精度降低。(本文来源于《宽厚板》期刊2014年04期)
肖志余[5](2010)在《应力状态系数模型对中厚板轧制压力预报精度影响研究》一文中研究指出建立中厚板轧制压力计算模型,选取不同的应力状态系数模型对轧制压力进行预报,分析应力状态系数模型对轧制力预报精度的影响。结果表明:应力状态系数模型对轧制压力预报精度存在影响,当轧制较厚板时影响较大;中厚板轧制时,相对其他应力状态系数模型,采用模型Ⅱ计算,精度相对稳定,误差相对较小。(本文来源于《武汉工程职业技术学院学报》期刊2010年04期)
余万华,翁玮,韩静涛,张永军,刘靖[6](2008)在《基于BP神经网络的板材热轧轧制压力和变形抗力预报模型》一文中研究指出采用 BP 神经网络技术来实现钢板热轧轧制压力和变形抗力的精确预报。实验结果表明:应用 BP 神经网络进行预报高效简便,设计并训练得到 BP 网络模型具有较高的精度,对轧制压力预报的平均相对误差小于5%, 对变形抗力预报的平均相对误差小于8%。(本文来源于《第四届中国金属学会青年学术年会论文集》期刊2008-10-01)
谭成楠,程晓茹,任勇,熊涛[7](2008)在《基于人工神经网络的CSP精轧机组轧制压力预报》一文中研究指出采用BP人工神经网络的方法,以CSP热连轧六机架精轧机组生产实测数据为基础,建立了高精度的热连轧精轧机组轧制压力预报模型。结果表明,该模型训练平均误差分别为4.63×10-4和8.35×10-4,预报平均误差分别为±2.2%和±1.6%。(本文来源于《武汉科技大学学报(自然科学版)》期刊2008年02期)
丁小梅,刘鹏[8](2005)在《基于小波神经网络的轧制压力高精度预报模型》一文中研究指出由于传统的轧制压力计算模型结构简单,即使采用自适应技术,也难以适应不断提高的精度要求。为了提高精轧机组轧制压力预设定精度,采用小波神经网络方法对轧制压力进行预报,利用引入动量项的最速下降法训练网络权值、尺度因子和平移因子。经离线仿真证明,该小波神经网络该方法的预报精度优于同等规模的BP网络,预报结果的相对误差基本限制在5%以内。且其训练方法具有收敛速度快的特点,具有很好的在线应用前景。(本文来源于《工程建设与设计》期刊2005年06期)
谈芬芳[9](2005)在《基于BP神经网络的冷轧轧制压力预报》一文中研究指出轧制过程是一个复杂的非线性变形过程,轧制力建模问题实际上是一个从影响轧制力的诸多因素到轧制力的非线性映射问题。 传统的轧制力理论计算公式和回归模型,一般是在多种假设条件下,通过一系列的简化推导出来的,因而很难准确表达轧制过程的实际特性,不能保证计算精度。 神经网络技术以其特有的信息处理能力,为轧制力的计算提供了一条很好的途径。 本文结合带钢冷轧轧制过程基本理论,建立了基于神经网络的带钢冷轧轧制压力模型,在建模过程中主要做了以下工作: 1.分析了带钢冷轧轧制过程特点,确定了影响带钢冷轧轧制压力的主要因素。 2.建立了基于BP神经网络的带钢冷轧轧制压力模型 本文采用奥钢联现场实测数据,对本文所建模型进行学习和测试,结果表明,基于神经网络的带钢冷轧轧制压力模型计算值与实测值相比较,最大偏差小于6%。这与对同一批实测数据的传统轧制力最大偏差40%以上相比较,所建网络模型的计算值更加接近实测值,模型精度大大提高,可以满足工程应用的要求。 本文采用BP神经网络快速训练函数trainlm优化算法对冷轧轧机轧制压力进行快速预报,该网络参数μ可自适应调整,收敛速度快,冷连轧轧制力预报精度大为提高,为冷连轧轧制力预报提供了一条准确高效的新途径。(本文来源于《武汉科技大学》期刊2005-05-10)
魏立群[10](2004)在《中板轧机轧制压力人工神经网络预报》一文中研究指出基于人工神经网络软件Matlab ,采用改进的BP(BackPropagation)网络Levenberg Marquardt训练规则 ,根据中板轧件入口厚度、出口厚度和宽度、轧辊直径、轧制速度和温度、轧件主要成分等输入参数 ,优化计算 2 35 0中板轧机的轧制压力和力矩。通过该网络的 μ参数的自适应调整 ,提高收敛速度 ,使 2 35 0中板轧机轧制力和力矩的预报精度显着提高。轧制压力的BP网络预报值相对误差小于 3% ,轧制力矩的BP网络预报值相对误差小于 4 %。(本文来源于《特殊钢》期刊2004年05期)
轧制压力预报论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
中厚板轧制压力分别采用凸轮试验和热模拟试验两种变形抗力模型进行预报,变形抗力模型对中厚板轧制压力预报精度的影响显得尤为重要。相关分析研究结果表明:在中厚板轧制过程中,凸轮试验变形抗力模型对轧制压力的预报精度较为稳定;热模拟试验变形抗力模型对轧制压力的预报精度波动较大,但在中间轧制道次,热模拟试验变形抗力模型对轧制压力的预报精度高于凸轮试验变形抗力模型。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
轧制压力预报论文参考文献
[1].肖志余,李丽容,刘兵,刘小宁.Q235钢变形抗力模型对中厚板轧制压力预报精度影响研究[J].南方金属.2015
[2].肖志余,刘桂花,朱芸,刘小宁.变形抗力模型对中厚板轧制压力预报精度影响的研究[J].宽厚板.2015
[3].梁彭.轧辊弹性压扁对中厚板轧制压力预报精度影响的研究[J].山东工业技术.2015
[4].肖志余,刘桂花,刘兵,刘小宁.轧辊弹性压扁对中厚板轧制压力预报精度影响的研究[J].宽厚板.2014
[5].肖志余.应力状态系数模型对中厚板轧制压力预报精度影响研究[J].武汉工程职业技术学院学报.2010
[6].余万华,翁玮,韩静涛,张永军,刘靖.基于BP神经网络的板材热轧轧制压力和变形抗力预报模型[C].第四届中国金属学会青年学术年会论文集.2008
[7].谭成楠,程晓茹,任勇,熊涛.基于人工神经网络的CSP精轧机组轧制压力预报[J].武汉科技大学学报(自然科学版).2008
[8].丁小梅,刘鹏.基于小波神经网络的轧制压力高精度预报模型[J].工程建设与设计.2005
[9].谈芬芳.基于BP神经网络的冷轧轧制压力预报[D].武汉科技大学.2005
[10].魏立群.中板轧机轧制压力人工神经网络预报[J].特殊钢.2004