輥底式連續(xù)退火爐鋼溫模型研究.pdf

1、輥底式連續(xù)退火爐是精整生產(chǎn)線上重要的設(shè)備，目前由于檢測技術(shù)和實際生產(chǎn)條件的限制，無法準確得知退火過程中棒材溫度變化情況，只有在棒料出鋼之后才可測得出鋼溫度。本文通過建立退火爐的鋼溫預(yù)測模型，可以預(yù)測出鋼溫度，對于退火爐各段爐溫的優(yōu)化設(shè)定、提高棒材質(zhì)量和產(chǎn)量具有重要意義。
　　棒材的退火過程具有大滯后、大慣性、多變量、強耦合、時變、非線性等特點，傳統(tǒng)的機理模型計算復(fù)雜，假設(shè)條件過多。本文以輥底式連續(xù)退火爐為研究對象，結(jié)合其工藝特點建

2、立了基于L-M算法改進神經(jīng)網(wǎng)絡(luò)的鋼溫預(yù)測模型。輸入為退火爐13個溫控段的爐溫溫度，輸出為退火爐出鋼溫度。通過MATLAB仿真證明該模型合理有效，可以較準確的預(yù)測出鋼溫度。接著針對BP網(wǎng)絡(luò)收斂緩慢、易于陷入局部極小等典型缺點，引入了遺傳算法(GA)和模擬退火算法(SA)來優(yōu)化出鋼溫度模型，仿真結(jié)果表明預(yù)測效果有所改進?？紤]到遺傳算法全局范圍內(nèi)尋優(yōu)，搜索速度快以及模擬退火算法局部搜索能力強，將兩者的優(yōu)勢結(jié)合，提出一種混合算法:模擬退火遺傳算

3、法優(yōu)化基于L-M算法改進BP網(wǎng)絡(luò)模型，并進行仿真。仿真研究表明，通過該混合算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型易于建立，預(yù)測效果更好，能夠更加準確預(yù)測棒料的出鋼溫度。
　　通過對用上述各優(yōu)化算法改進鋼溫模型的仿真結(jié)果進行比較，可以得出結(jié)論:模擬退火遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型在精度與效率上都有顯著提高，取得了最好的預(yù)測效果，同時該算法只需要在大量實際數(shù)據(jù)的基礎(chǔ)上，不需要考慮機理模型的參數(shù)與邊界等條件，更適合用于建立輥底式連續(xù)退火爐的出鋼溫度預(yù)報模型。