韩斌
,
彭良贵
,
王国栋
,
刘相华
,
焦景民
,
佘广夫
,
张中平
钢铁
利用现场的数据,采用BP神经元网络预报热连轧层流水冷区集管组内的基本热流密度,将预报的结果用于上、下集管组的热流密度的数学模型计算,进而优化层冷集管组的水冷温降计算数学模型的精度.将结果与采用多元回归方法所得到的结果作比较,表明采用BP神经元网络计算基本热流密度的精度要高于多元回归方法的计算精度,卷取温度的计算值与实测值的标准差比解析回归方法减少了近20 %,说明该方法具有良好的在线应用前景.
关键词:
层流冷却
,
卷取温度
,
基本热流密度
,
数学模型
,
多元回归
,
BP神经网络
