赵志伟， 杨景明， 车海军， 呼子宇， 王 茜

（1.燕山大学工业计算机控制工程河北省重点实验室，河北秦皇岛 066004；2.国家冷轧板带装备及工艺工程技术研究中心，河北秦皇岛 066004；

3.唐山学院计算机科学与技术系，河北唐山 063000）

基于人工蜂群算法与反向传播神经网络的铝热连轧轧制力预测

赵志伟1，2，3， 杨景明1，2， 车海军1，2， 呼子宇1， 王 茜1

（1.燕山大学工业计算机控制工程河北省重点实验室，河北秦皇岛 066004；2.国家冷轧板带装备及工艺工程技术研究中心，河北秦皇岛 066004；

3.唐山学院计算机科学与技术系，河北唐山 063000）

在分析传统的轧制力数学模型的不足之后，提出了一种基于人工蜂群算法与反向传播神经网络相结合的铝热连轧轧制力预测方法，使用人工蜂群算法优化反向传播神经网络的初始权值和阈值。以现场采集的精轧机组数据作为训练和测试样本，并与Sims数学模型和反向传播神经网络的预测结果进行比较，实验结果表明所提方法的轧制力预测精度和误差明显优于传统算法。

计量学；轧制力；神经网络；人工蜂群算法

1 引 言

在铝热连轧中，轧制力扮演着非常重要的角色，影响着轧制规程的设定，以及成品的板厚和板型。Orowan［1］，Sims［2］，Ford和Alexander［3］等人开发了各种数学模型，然而，由于现代轧制过程的复杂性，单纯的数学模型经常需要简化和假设，当这些假设不满足的时候，不可避免地就会引入误差，导致轧制力的预测出现较大的误差。为了解决数学模型的缺陷，Portmann等人将神经网络和经典的数学模型结合，提出了一个轧机控制系统的神经网络学习规程［4］。……