基于PSO小波神经网络的热连轧板材质量模型优化

刘涛

摘要：该文对热连轧板材的生产过程进行分析，获得了与其生产过程相关的数据，确定了输入输出变量和神经网络结构，在研究小波神经网络和粒子群优化小波神经网络的基础上，构建了新的粒子群优化小波神经网络模型。对构建的网络模型进行实例仿真和对比分析，验证了新的粒子群优化小波神经网络收敛速度快、预测精度高的特点，与粒子群优化神经网络比较，收敛时间缩短了28分20秒，预测结果显示测试命中率提高了9.8%。

关键词：热连轧；粒子群优化；小波神经网络；质量模型

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）24-0113-03

目前，提高钢材质量不仅是钢铁企业提高竞争力的手段，也是我国经济飞速发展的需要。随着计算机技术的日益发展，越来越多的钢铁企业将利用计算机技术来提高钢铁质量作为发展方向；热连轧是将连铸板坯或初轧板坯经过一系列工序轧制成力学性能优异、组织性能密实的板材，是钢铁轧制方式的一种。影响热连轧板材质量的因素众多，构建板材质量的预测模型十分复杂，质量控制难度较大。人工神经网络技术是一种比较成功的数据建模技术，近些年来，国内外将其运用于热连轧板材生产过程的研究非常活跃[1-7]，本文基于这些研究，采用新的粒子群优化小波神经网络构建热连轧板材质量模型，不仅提高了预测精度，还大幅度提高了收敛速度。

1 多辊热连轧板材质量数据的收集与处理

多辊热连轧板材生产过程一般分为四个区域，分别加热区、粗轧区、精轧区和卷曲区。……