一种基于关联神经网络的热轧卷取温度预报方法

摘要

本发明提供一种基于关联神经网络的热轧卷取温度预报方法，通过PDA终端对带钢厚度H、轧制速度V、终轧温度T₁、带钢宽度W、超快冷阀门开启数N₁、层流阀门开启数N₂、超快冷入口温度T₂、目标卷取温度T₃数据进行采集，构造输入矩阵[H，V，T₁，W，N₁，N₂，T₂，T₃]，输出矩阵[T]；假定[V，T₁，W，N₁，N₂，T₂，T₃]不变，定义Y为H的影响度，按照影响度大小，把相应的影响度赋予输入端与隐含层的权值以及隐含层与输出层的权值，构建三层ASBP神经网络，输出实际卷取温度，并进行ASBP神经网络训练，采用实际测试数据进行卷取温度的预报。本方法可将卷取温度预报误差从-20℃～20℃提高到-10℃～10℃，使卷取温度控制更加准确。