基于高維小波神經網絡的熱連軋板材質量模型研究.pdf

1、現(xiàn)代鋼鐵市場對于熱連軋板材質量的要求越來越高，傳統(tǒng)的質量模型已經不能滿足生產的需求。熱連軋板材的生產要經過多道工序，影響板材質量的因素眾多而且與板材質量之間是及其復雜的非線性關系。為了滿足企業(yè)對熱連軋板材質量要求，利用人工智能技術構建熱連軋板材的質量模型，實現(xiàn)對熱連軋板材質量的控制。為此主要做了如下工作：
　　 首先，分析了人工神經網絡的基本結構和學習規(guī)則，探討了人工神經網絡中典型的BP神經網絡的網絡結構、學習過程進行；研究了小

2、波神經網絡的相關理論知識和板材的熱連軋過程及質量要求。
　　 其次，構建了熱連軋板材的高維小波神經網絡質量模型。通過分析熱連軋板材的生產樣本數(shù)據，確定了熱連軋板材質量模型的關鍵輸入輸出變量；引入了動量項，研究了熱連軋板材的小波神經網絡質量模型算法；通過實驗，確定小波神經網絡隱含層節(jié)點數(shù)為60，隱含層激勵函數(shù)為Morlet小波函數(shù)。仿真結果表明，所構建的小波神經網絡質量模型擬合命中率為90.1％，測試命中率為81.5％。