冷轧带肋钢筋机械性能的智能预测方法与工艺参数优化研究

摘要

冷轧带肋钢筋因其优良的综合机械性能和粘结锚固性能,在建筑领域得到了日益广泛的应用,带来了明显的社会效益和经济效益。随着冷轧带肋钢筋产品应用层次的不断发展和应用领域的进一步拓宽,对产品机械性能和工艺水平提出了更高的要求。针对目前冷轧带肋钢筋生产中存在的产品机械性能不稳定、合格率低等问题,研究了冷轧带肋钢筋产品机械性能智能预测方法和产品冷轧工艺优化模型,为冷轧工艺规划和产品质量控制提供一快速、精确、经济的新途径。
　　针对冷轧带肋钢筋产品机械性能和冷轧工艺参数间的物理关系极为复杂,难以直接建立两者之间的显式方程,研究了样本空间划分对于产品机械性能预测的意义,提出了基于原材料初始强度和工艺参数向量间距离划分样本空间的方法,为实现在较少数量训练样本前提下产品机械性能的智能预测奠定了基础。
　　建立了冷轧工艺参数和产品性能参数间的线性直接映射预测模型、线性和非线性回归分析预测模型,并在各样本子空间和全空间范围内对产品机械性能进行了预测。结果表明,对于线性直接映射模型和线性回归分析预测模型,工艺参数向量的降维处理对提高其预测性能具有积极意义;而对于非线性回归分析预测模型,足够数量的实测样本数据对保证其预测精度更具积极意义。
　　构建了基于BP神经网络的冷轧带肋钢筋机械性能预测模型,研究了隐含层节点数和网络误差等参数对产品性能预测精度的影响,并在各样本子空间和全样本空间范围内,对冷轧带肋钢筋产品机械性能进行了预测。结果表明,BP网络的合理结构、隐含层节点数和网络误差合理取值等因素,对保证冷轧带肋钢筋性能预测模型的训练效率、预测精度等具有重要意义。
　　建立了基于径向基函数网络的冷轧带肋钢筋机械性能预测模型,研究了RBF神经元层宽度系数和网络误差对RBF网络逼近性能的影响,并在各样本子空间和全样本空间内对产品机械性能进行了预测。结果表明,在神经元层宽度系数和网络误差等取值合适的情况下,基于RBF网络的冷轧带肋钢筋性能预测模型具有较高的预测精度;按照工艺参数间距离划分样本空间,对于基于RBF网络的预测模型更具有积极意义。
　　针对工艺实验法规划冷轧工艺成本高、周期长等缺点,研究了冷轧带肋钢筋加工工艺的多目标优化模型,提出了基于遗传算法和径向基函数网络的冷轧带肋钢筋加工工艺优化方法。利用遗传算法的全局搜索能力和径向基函数网络的高精度逼近性能,快速、准确地确定满足产品机械性能要求的工艺参数优化组合,为制定和优化冷轧带肋钢筋生产工艺提供了一条经济、有效的途径。

目录

封面

致谢

中文摘要

英文摘要

Extended Abstract

目录

图清单

表清单

变量注释表

1 绪论

1.1 选题背景与研究意义(Background and Research Significance of the Topic)

1.2 冷轧带肋钢筋产品特点及工艺过程概述(Characteristics of Cold Rolled Ribbed Steel Bars and Introduction of Production Process)

1.3 冷轧钢筋的国内外研究现状(Research Status of Cold Rolled Ribbed Steel Bars at Home and Abroad)

1.4 论文的研究内容与主要工作(Research Contents and Main Works)

1.5 本章小结(Summary)

2 金属轧制成形原理与样本变量空间的划分

2.1 金属轧制成形原理(Forming Principle of Metal Rolling)

2.2 设计变量的选取与样本变量空间的划分(Selection of Design Variables and Division of Variable Space)

2.3 本章小结(Summary)

3 基于线性映射和回归分析的冷轧带肋钢筋机械性能预测

3.1 引言(Introduction)

3.2 基于线性映射的冷轧带肋钢筋机械性能预测模型(Prediction Model for Mechanical Performance of Cold Rolled Ribbed Steel Bars Based on Linear Mapping)

3.3 基于线性回归分析的冷轧带肋钢筋机械性能预测模型(Prediction model for Mechanical Performance of Cold Rolled Ribbed Steel Bars Based on with Linear Regression Analysis)

3.4 基于非线性回归分析的冷轧带肋钢筋机械性能预测模型(Prediction model for Mechanical Performance of Cold Rolled Ribbed Steel Bars Based on Nonlinear Regression Analysis)

3.5 冷轧带肋钢筋机械性能预测方法的比较(Comparison of Prediction Methods for Mechanical Performance of Cold Rolled Ribbed Steel Bars)

3.6 本章小结(Summary)

4 基于BP神经网络的冷轧带肋钢筋机械性能预测

4.1 神经网络概述(Introduction of Neural Network)

4.2 面向冷轧带肋钢筋机械性能预测的 BP 神经网络设计(BP Neural Network Design Aiming at Predicting Mechanical Performance of Cold Rolled Ribbed Steel Bars)

4.3基于原材料初始强度划分样本空间的冷轧带肋钢筋机械性能BP 神经网络预测模型(Prediction Model for Mechanical Performance of Cold Rolled Ribbed Steel Bars Based on BP Neural Network with Dividing Variable Space According to Original Materials’ Tensile Strength)

4.4基于工艺参数间距离划分样本空间的冷轧带肋钢筋机械性能BP神经网络预测模型(Prediction Model for Mechanical

4.5 基于全样本空间的冷轧带肋钢筋机械性能 BP 神经网络预测模型(Prediction Model for Mechanical Performance of Cold Rolled Ribbed Steel Bars Based on BP Neural Network with Whole Variable Space)

4.6 不同样本变量空间下BP神经网络预测性能比较(Comparison of Predictive Performance Obtained by BP Neural Network under Different Variable Spaces)

4.7 本章小结(Summary)

5 基于径向基函数网络的冷轧带肋钢筋机械性能预测

5.1 径向基函数网络简介(Introduction of Radial-Basis Function Network)

5.2基于原材料初始强度划分样本空间的冷轧带肋钢筋机械性能RBF网络预测(Mechanical Performance Prediction of Cold Rolled Ribbed Steel Bars Based on RBF Network with Dividing Variable Space according to Original Materials’ Tensile Strength)

5.3 基于工艺参数间距离划分样本空间的冷轧钢筋机械性能RBF网络预测(Mechanical Performance Prediction of Cold Rolled Ribbed Steel Bars Based on RBF Network with Dividing Variable Space according to Distance between Technological Variables)

5.4 基于全样本空间的冷轧带肋钢筋机械性能 RBF 网络预测(Mechanical Performance Prediction of Cold Rolled Ribbed Steel Bars Based on RBF Network with Whole Variable Space)

5.5 不同样本变量空间下RBF网络预测性能比较(Comparison of Predictive Performance Obtained by RBF Network under Different Variable Spaces)

5.6 本章小结(Summary)

6 基于遗传算法和径向基函数网络的冷轧工艺参数优化研究

6.1 冷轧工艺参数优化问题的由来(Derivation of Optimization Problem for Cold Rolling Technological Parameters)

6.2 遗传算法简介与多目标优化数学模型(Brief Introduction of Genetic Algorithm and Mathematical Model of Multi-objective Optimization )

6.3 冷轧带肋钢筋工艺优化模型及工作流程(Optimization Model of Technological Parameters for Cold Rolled Ribbed Steel Bars and Workflow)

6.4 实例与分析(Example and Analysis)

6.5 本章小结(Summary)

7 结论与展望

7.1 结论(Conclusions)

7.2 创新点(Innovations)

7.3 展望(Prospection)

参考文献

作者简历

声明

学位论文数据集