基于人工神经网络的铝合金宽幅板带材质量控制模型的研究

发布时间：2017-07-28 14:31

  本文关键词：基于人工神经网络的铝合金宽幅板带材质量控制模型的研究

  更多相关文章： 铝合金宽幅板带材 神经网络 厚度预测 流变应力 专家系统

【摘要】：铝合金板带材因其具有质量轻,比强度高,耐蚀性好、易加工,表面质量好等优点而被广泛应用。在国防军工、航空航天和交通运输等行业,对高精度的铝合金宽幅板带材的需求越来越大。目前我国连轧控制技术水平还比较落后,生产出的产品质量还达不到市场的要求,每年仍然需要进口大量高精度的铝合金宽幅板带材,尤其是5×××系的宽幅板材,制约了国民经济和国防建设的发展。加强对铝合金宽幅板带材质量控制技术的研究,研发拥有自主知识产权的超大规格,高性能的铝合金宽幅板带材质量控制技术,是一件有重要意义的事情。在质量控制技术研究中,各种精度高的控制模型获取是研究中首要任务,而预测模型是控制模型建立的基础。宽幅板带材生产过程具有多变量、强耦合、非线性和时变性等特点,已有的模型大都采用传统的本构方程和拟合求解的方法,由于求解复杂,往往采用简化方式,造成模型精度难以达到理想的效果。人工神经网络(ANN)等智能技术擅长处理复杂的多维的非线性问题,同时具有良好的自适应性和自学习能力,在数据丰富的领域得到了广泛的应用。而铝合金板带材生产过程中积累了相当的数据,因此有必要引入人工神经网络、专家系统等人工智能技术开展研究。铝合金宽幅板带材厚度的控制和板形的控制是质量控制的主要指标,本文针对两大指标影响因素展开分析研究,运用人工神经网络等技术,构建相关预测模型,为高精度控制模型建立奠定了基础。目前,对于板材厚度预测的模型比较多,但是对铝合金宽幅中厚板的研究鲜有人涉及。针对国内水平领先、最宽幅的“1+4”热连轧生产线,根据生产现场获取的有广泛应用的5083铝合金宽幅中厚板实测数据,在研究分析关键影响因素的基础上,运用人工神经网络技术建立了铝合金宽幅中厚板厚度预测的BP神经网络控制模型。模型的最佳结构为4-10-1。其相对误差在0.5%之内,精度较高,泛化能力较好。应用模型预测了5052宽幅铝合金中厚板的出口厚度,预测结果在一个合理的范围内,效果较理想。铝合金的流变应力是宽幅板带材板形最主要的影响因素。本文以5083铝合金为研究对象,在温度300-450℃、应变速率0.001-1s-1和真应变为0.7的条件下对其进行等温压缩试验。基于热变形实验数据,在整个应变范围内,分别利用应变补偿的包含Z参数的本构关系和人工神经网络建立了合金流变应力的预测模型;ANN模型的最佳结构为3-9-1;对两种预测模型的预测结果比较分析表明:ANN模型具有更高的预测精度,可以预测不同变形条件下的流变应力值。确认了ANN方法在数学建模中的优势。为了更好地方便应用预测模型,加快研发速度,本文还采用C#.NET与Matlab混合编程的方法,开发了铝合金宽幅板带材性能预测神经网络专家系统,目前包含铝合金宽幅板带材厚度预测和流变应力预测两个应用模块。采用Matlab引擎技术实现了专家系统人机界面与知识库的耦合,采用C#语言,结合ASP.NET技术,实现了专家系统的人机交互界面。同时应用专家系统量化了厚度影响因素对轧件厚度波动的影响程度,为高精度宽幅板带材质量控制模型的建立,提供了更多有意义的信息。
【关键词】：铝合金宽幅板带材 神经网络 厚度预测 流变应力 专家系统
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TG335.5;TP183
【目录】：

• 摘要3-5
• Abstract5-10
• 1 绪论10-20
• 1.1 课题背景10
• 1.2 热连轧技术10-13
• 1.2.1 铝合金热轧的特点10-11
• 1.2.2 国内外热连轧概况11-13
• 1.2.3 轧制过程的特点13
• 1.3 轧制过程的数学模型13-15
• 1.3.1 数学在轧制过程控制中的作用和特点13-14
• 1.3.2 轧制过程的建模方法14-15
• 1.4 人工神经网络在轧制领域的国内外研究现状15-16
• 1.5 人工神经网络专家系统的研究现状16-17
• 1.6 课题的研究目的、内容和技术路线17-20
• 1.6.1 课题研究的目的17
• 1.6.2 课题研究的内容17
• 1.6.3 课题的技术路线17-20
• 2 铝合金宽幅板带材质量影响因素分析20-26
• 2.1 板厚质量分析20-23
• 2.1.1 轧机弹跳方程和弹塑性曲线20-22
• 2.1.2 板带材厚度波动的原因分析22-23
• 2.2 板形质量分析23-24
• 2.2.1 板形的影响因素23-24
• 2.3 本章小结24-26
• 3 基于人工神经网络的铝合金宽幅中厚板厚度预测模型26-38
• 3.1 人工神经网络26-29
• 3.1.1 人工神经元模型和网络结构26-27
• 3.1.2 BP神经网络模型27-29
• 3.2 铝合金宽幅板带材厚度预测模型结构29-30
• 3.3 预测模型的仿真实现30-32
• 3.3.1 样本的选择以及预处理30
• 3.3.2 激活函数及训练参数的选择30-31
• 3.3.3 隐含层神经元数目的确定31-32
• 3.4 模型的结果及应用32-36
• 3.4.1 模型的训练结果32-35
• 3.4.2 模型的应用35-36
• 3.5 本章小结36-38
• 4 铝合金的流变应力预测模型38-58
• 4.1 试验方案38
• 4.2 5083铝合金高温压缩真应力—真应变曲线38-39
• 4.3 铝合金热变形流变应力本构方程39-49
• 4.3.1 应变补偿的包含Z参数本构方程40-41
• 4.3.2 材料常数的确定41-44
• 4.3.3 应变补偿44-47
• 4.3.4 本构方程预测能力的验证47-49
• 4.4 神经网络模型的建立和预测49-55
• 4.4.1 流变应力神经网络预测模型结构49
• 4.4.2 BP神经网络模型的仿真实现49-50
• 4.4.3 模型的结果50-53
• 4.4.4 人工神经网络模型预测能力的验证53-55
• 4.5 本构方程与ANN模型预测能力的比较55-56
• 4.6 小结56-58
• 5 铝合金宽幅板带材性能预测专家系统的实现及应用58-72
• 5.1 系统的总体结构和开发工具58-59
• 5.2 系统知识库与人机交互界面的耦合59-61
• 5.2.1 Matlab引擎59
• 5.2.2 在 C#.NET 环境中实现 Matlab 引擎59-60
• 5.2.3 C#.NET 调用神经网络模型60-61
• 5.3 人机交互界面的实现61-66
• 5.3.1 专家系统主界面61-62
• 5.3.2 系统应用模块62-66
• 5.4 铝合金宽幅板带材性能预测专家系统的应用66-70
• 5.4.1 实验设计67
• 5.4.2 结果分析67-70
• 5.5 本章小结70-72
• 6 结论与展望72-74
• 6.1 主要结论72
• 6.2 后续工作的展望72-74
• 致谢74-76
• 参考文献76-80
• 附录80
• A 作者在攻读学位期间发表的论文目录：80

【参考文献】

中国期刊全文数据库 前1条

1 鲁世强;周细林;王克鲁;李鑫;赵为纲;;基于BP神经网络的2D70铝合金本构关系模型[J];锻压技术;2008年01期

，

本文编号：584541