基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究

【摘要】：H型钢是一种截面积分配更加优化、强重比更加合理的经济高效型材,具有抗弯能力强、施工简单、节约成本和结构重量轻等优点,已经被广泛应用于国民经济建设中。近年来,我国对H型钢的需求日益增加,对其质量要求日益提高,为能够进一步提高产品质量及生产效率,降低生产能耗,获得更大的经济效益,对轧制过程的工艺参数进行优化研究十分必要。 本文以优化H型钢粗轧过程工艺参数作为研究课题,采用神经网络算法及遗传算法对其进行了数学建模及优化计算,并将优化后的轧制能耗、型钢质量及生产效率与优化前进行了分析对比。 首先分析了用传统预测方法预测轧制能耗、产品质量存在的不足,确定采用神经网络算法建立预测模型的方案。采用此方法将型钢粗轧过程中的主要工艺参数开轧温度、轧制速度、道次间隙及压下量作为输入参数,以轧制功率和奥氏体晶粒直径作为输出参数建立两个神经网络模型。以有限元软件ABAQUS仿真计算得出的数据作为神经网络的训练样本,按照混合正交试验设计工艺参数以达到减少训练样本数量、提高模型准确性的目的。采用MATLAB编制相应的计算机程序,进行多次训练,得到性能优良的神经网络模型。建模后,通过有限元软件的仿真值与神经网络的预测值对比,验证了采用神经网络算法建立数学模型的准确性。 以此模型为基础,采用现代优化算法中的遗传算法进行轧制工艺参数的优化计算,将轧制能耗、型钢质量及生产效率三个优化目标转换为单目标优化问题,在解空间中寻找非劣解。分析研究了变异率、交叉率及种群数目对优化结果的影响。从优化前后的结果对比可以看出优化后的粗轧工艺参数更趋合理,既降低了生产能耗,节约了能源,又提高了H型钢的质量。 最后以Visual C++软件作为开发平台,开发了建模过程及优化计算过程交互式界面,实现轧制工艺参数的自动寻优并在界面中显示最优结果。 H型钢粗轧工艺参数的优化研究,对改进现有H型钢粗轧工艺规程具有重要的理论意义和现实指导意义。

【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TG335