供稿|马兵智，曾卫仔，宋浩源，商光鹏 / MA Bing-zhi, ZENG Wei-zai, SONG Hao-yuan, SHANG Guangpeng

内容导读

板带材的板形精度一直是研究的重点。在实际生产过程中影响板形精度的因素很多而且因素之间存在非线性、强耦合的关系，基于板形控制机理的传统数学模型很难准确表达其中的关系，而基于数据驱动的非机理模型则能取得很好的结果。BP神经网络作为一种发展成熟的算法可以作为一种新的预测手段应用在板形的预测工作中。因此，本文将BP神经网络应用于板形的预测研究中，讨论了基于BP神经网络的板形预测模型的可行性以及应用的优势，重点介绍BP神经网络对板形预测带来的积极意义。BP神经网络在对即时板形缺陷系数进行预测时，能够较好的接近实际的拟合值。BP网络在训练过程中，在50轮训练后基本收敛，并且整个训练过程没有产生过拟合现象。BP神经网络对测试集进行预测，能够有效的反映板形的变化情况，且对一次、三次板形缺陷系数的预测结果较好。

随着科学技术的发展，各领域对板带材的质量提出了更高的要求。板带材的质量主要指厚度、宽度和板形等，其中板形质量控制是国内外学者研究的重点。为了得到高质量的板带材，需要实现对板形的高精度控制，常常需要建立相关的板形控制模型。虽然传统的基于板形控制机理的数学模型已经取得了一些成就，但是在模型的参数设置上准确性和合理性存在一些问题[1]，因此许多基于数据驱动的非机理预测模型随之产生。……