来源：期刊VIP网 时间：
作者：王莹;马晓力;王强;
单位：河南建筑职业技术学院;郑州大学;河南飞工重型机械制造有限公司;
摘要：利用实时监测数据（Real-Time Monitoring Data,RMD）参数分析轧机振动状态，综合运用深度置信网络（Deep Belief Networks,DBN）与粒子群（Particle Swarm Optimization,PSO）算法构建轧机振动仿真模型，实现RMD参数的深度挖掘，并达到轧机振动的预报效果。通过融合处理能够获得非常接近实际振动过程的预测数据，具备优异预测能力。结合现场测试的初始数据预测误差在3.5%范围内，跟轧机振动情况相符。当轧制速率变慢后，振动加速度出现了降低结果；入口张力对轧机的振动加速度具有反向作用；轧机振动加速度相对出口张力表现为正相关特点；以不同宽度的轧件进行测试发现轧机振动加速度保持基本恒定的状态。该研究对提高热轧轧机运行稳定性，对保证建筑结构钢板成形精度具有很好的指导意义，可以拓宽到其它的成形设备优化领域。
关键词：热轧;;钢板;;轧机振动;;振动预报;;DBN算法;;PSO算法
基金资助：河南省高等学校重点科研项目（21B57001）
