摘要：为进一步提高热轧带钢卷取温度控制精度,将遗传算法与神经网络相结合,建立卷取温度预报系统,用改进的智能算法来优化遗传神经网络模型参数,以应对生产过程的强非线性。首先,提出了新的遗传操作,通过优生、突变、嫁接保证在全局范围内对模型参数进行优化;其次,利用某钢厂热轧生产线的历史数据,对温度模型进行测试和仿真,动态呈现了神经网络权值优化的中间过程,逼真显现了算法收敛的趋势。仿真结果表明,该温度预报模型收敛速度较快且精度高,可为前馈控制的补偿参数优化提供可靠的参考数据,进而提高热轧带钢卷取温度的控制精度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社