1700mm 热连轧粗轧机宽度预报智能模型研究

本资料包含pdf文件1个，下载需要1积分

1700mm 热连轧粗轧机宽度预报智能模型研究由于受到金属本性、轧制条件、轧制设备等多方面因素的制约，带材轧制过程是-个多变量、强耦合的
复杂过程，依靠传统方法很难建立准确的数学模型[9，10]。相比之下，智能技术以其很好的鲁棒性和自适应、
自学习的特性为它在预报领域的应用开辟了广阔前景。因此，本文将智能技术中的基于神经网络应用到宽度
预报模型中。
目前，神经网络用于宽度预报，普遍采用的是静态网络，最具有代表性的是BP网络，它所能实现的只
是--对应的静态非线性映射关系，不宜用来表示动态映射。而Elman网络是-种动态递归网络[11]，它在
BP网络的基础上，加入内部反馈信号，利用内部状态反馈来描述系统的非线性动力学行为，从而提高了学
习速度，适合于动态系统的实时预报，因此本文将Elman网络用于宽度预报，建立了基于Elman网络的粗
轧机宽度预报智能模型。
2.1 Elman网络结构
Elman网络包括输入层、隐层、输出层和结构单元，其中输入层、隐层和输出层的连接方式与通常的多
层前馈网络基本相同，而结构单元则用来记忆隐层单元前-时刻的输出值，可以认为是提供-步时延的算子。
Elman网络的拓扑结构如图1所示。
图1 E