高山凤，刘鸿飞，郗安民，杨　贤

(北京科技大学机械工程学院，100083北京)



热轧板带横向厚度分布的预测与控制

高山凤，刘鸿飞，郗安民，杨贤

(北京科技大学机械工程学院，100083北京)

摘要:针对板带热轧过程中终轧板带横向厚度分布的检测、预测方法存在的缺陷，建立自适应粒子群优化算法(PSO)和误差反传递(BP)算法混合训练的神经网络预测模型．该网络模型在BP神经网络的基础上，通过自学习过程对网络结构进行动态优化;借助PSO算法优化网络的权值和阈值，提高网络收敛速度和预测精度．某厂二辊可逆热轧机现场轧制数据验证表明:稳态轧制状态下，该模型预测精度高，平均绝对误差仅为3．6 μm，其中87．1%的误差在±4 μm范围内;通过对轧后板带横向厚度的统计分析，去除板带头尾部分，板带厚度的绝对误差在30 μm以内的频率为90%．该神经网络模型可以代替凸度仪对热轧板带横向厚度分布进行预测，并且能够对板形的调控机构根据预测结果进行精确的控制，适应高精度板形控制的要求．

关键词:热轧;板厚;神经网络;预测;粒子群优化算法

凸度仪是目前热轧板带横向厚度分布常用的检测仪器，测量方法为:在板带宽度方向上均匀布置数百个厚度测量点，并对各个离散的厚度检测数据进行曲线拟合［1］．实际生产中，一般很少在线检测铝板带的横向厚度分布，未考虑其对冷轧板形的影响;然而，终轧板带横向厚度分布与板形(板凸度和平直度)直接相关，并且板形……