基于GA-BP神经网络的冷连轧带钢板形预测

摘要

为了提高冷连轧过程中板形预设定和闭环反馈的控制效果，以1 450 mm五机架UCM冷连轧机组为研究对象，对1 742个实验数据进行分类和预处理，以74个工艺参数变量作为输入特征，20个不同位置的板形值作为输出结果，构建了反向传播（backpropagation, BP）神经网络模型，并采用遗传算法（genetic algorithm, GA）进行优化，得到了基于遗传算法的反向传播（GA-BP）神经网络模型.结果表明，所构建的GA-BP神经网络模型在拟合优度、预测精度和稳定性等方面均优于BP神经网络模型，其RMSE值从0.981 8 I降至0.447 6 I,MAE值从0.622 5 I降至0.219 3 I,R²由0.745 4增至0.913 1.

关键词

冷轧带钢 / 板形预测 / 反向传播神经网络 / 遗传算法