基于改进遗传算法优化BP网络的轧制力预测研究

• 作者: 杨景明 车海军 闫晓莹 顾佳琪
• 来源期刊: 矿冶工程
• 学科: 工学
• 关键词: 实数编码 神经网络 轧制力预报 遗传算法 混沌序列
• 年，卷（期）: 2015,（1）
• 页码范围: 111-115
• 页数: 5页
• 分类号: TG339
• 字数: 3846字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-6099.2015.01.030

摘要

为提高铝热连轧轧制力预报精度，满足现场生产需求，采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1＋4铝热连轧厂连轧实测数据作为实验样本，在遗传算法的初始化和变异机制中引入混沌序列，同时选择最优保存机制、动态调整交叉率和变异率等方法，提出了改进的遗传算法，并将其与改进的BP算法相结合，对多层前馈神经网络权值阈值进行优化，避免学习中陷入局部最小，使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10％以内，该预测精度明显优于传统数学模型，实现了铝热连轧轧制力的高精度预测。