来源：期刊VIP网 时间：
作者：杨熙成;叶俊成;谢璐璐;孙杰;
单位：东北大学材料科学与工程学院;东北大学轧制技术及连轧自动化国家重点实验室;
摘要：为了提高冷连轧过程中板形预设定和闭环反馈的控制效果，以1 450 mm五机架UCM冷连轧机组为研究对象，对1 742个实验数据进行分类和预处理，以74个工艺参数变量作为输入特征，20个不同位置的板形值作为输出结果，构建了反向传播(backpropagation, BP)神经网络模型，并采用遗传算法(genetic algorithm, GA)进行优化，得到了基于遗传算法的反向传播(GA-BP)神经网络模型.结果表明，所构建的GA-BP神经网络模型在拟合优度、预测精度和稳定性等方面均优于BP神经网络模型，其RMSE值从0.981 8 I降至0.447 6 I,MAE值从0.622 5 I降至0.219 3 I,R~2由0.745 4增至0.913 1.
关键词：冷轧带钢;;板形预测;;反向传播神经网络;;遗传算法
基金资助：国家重点研发计划项目(2022YFB3304800);; 中央高校基本科研业务专项资金资助项目(N2004010);; 国家自然科学基金项目(52074085,U21A20117);; 辽宁省应用基础研究计划项目(2022JH2/101300008)
