来源：期刊VIP网 时间：
作者：张芳萍;张宏政;贾怀博;张帆;高毅;
单位：太原科技大学重型机械教育部工程研究中心;
摘要：为了实现智能化轧制仿真过程，提出了将卷积神经网络(CNN)与有限元分析相结合的方法，利用机器代替人工选择出最佳的轧制仿真结果，并确定最优的孔型参数.首先，将CNN用于轧件道次分类，可发现“卷积神经网络+图像预处理”测试模型精度最高，为91.84%～96%;其次，使用5种评估方法对比轧制仿真结果与理想仿真结果后可得出，均方根误差和感知哈希对仿真结果更为敏感；最后，将孔型参数朝轧制仿真结果变优方向进行修正，对比仿真结果与修正前结果后发现，第2次修正更为理想.本研究中实现了CNN对棒材轧制道次分类，利用机器识别出更优的轧制仿真结果，并确定了更适合的孔型参数，在降低人力、物力消耗，以及实现仿真智能化等方面具有重要的理论意义和实际应用价值.
关键词：卷积神经网络;有限元分析;轧制;孔型参数;智能化
基金资助：山西省先进钢铁材料重点科技创新平台项目(201805D115061-2); 太原科技大学研究生教育创新项目(XCX212108)
