论文部分内容阅读
卷取温度对带钢的金相组织影响很大，是决定成品带钢加工性能、力学性能、物理性能的重要工艺参数之一；层流冷却过程具有强非线性、不确定性、时变的特点，采用传统的基于传热机理和统计分析的建模方式难以满足卷取温度优化控制要求；针对某钢铁企业热轧板厂卷取温度控制过程中存在的问题，建立了基于神经网络的卷取温度预测模型，综合考虑多种因素对卷取温度的影响，将该模型预测值与目标卷取温度值的偏差作为原有前馈模型的输入，以提高前馈补偿的控制精度；仿真结果表明，模型预测精度高，具有在线应用前景。