-
题名基于DBN-PSO算法的钢板热轧轧机实时振动预测
被引量：5
- 1
-
-
作者
钱素娟
张伟
李强
-
机构
郑州财经学院信息工程学院
河南理工大学机械与动力工程学院
河南富源机器制造有限公司设计部
-
出处
《中国工程机械学报》
北大核心
2022年第2期113-117,共5页
-
基金
郑州地方高校技术技能名师工作室建设项目(郑教高[2015]70)。
-
文摘
为了提高钢板热轧轧机实时振动预测和钢板成形精度控制能力,在利用实时监测数据(RMD)分析热轧轧机振动状态的基础上,设计了一种基于深度置信网络(DBN)-粒子群优化(PSO)DBN-PSO算法的钢板热轧轧机实时振动预测模型,达到对RMD参数深度挖掘的目的,实现对热轧轧机振动的预测效果。采用现场测试得到结果对模型精度进行调整,通过对比发现,热轧轧机振动仿真模型的预测误差不超过3.7%,达到了预期的效果,和热轧轧机振动状态良好吻合。逐渐降低轧制速度后,热轧轧机振动的加速度持续减小,当轧制速度降低达20%时,热轧轧机振动加速度降低了1.58×10^(-3)g。热轧轧机振动加速度与出口张力之间呈正相关变化特征,当出口张力降低20%时,对应的振动加速度降低2.74×10^(-3)g。降低入口厚度后,发生了热轧轧机振动加速度持续增大,当入口厚度降低20%后,振动加速度提高0.71×10^(-3)g。
-
关键词
热轧
钢板
热轧轧机振动
振动预测
DBN算法
PSO算法
-
Keywords
hot-rolling
steel plate
mill vibration
vibration prediction
deep belief networks(DBN)algorithm
particle swarm optimization(PSO)algorithm
-
分类号
TG335
[金属学及工艺—金属压力加工]
-
