基于改进的BP神经网络无缝钢管连轧轧制力的预测

无缝钢管连轧过程具有多变量、强耦合和非线性的特点。传统的数学模型不能准确预测某些参数。为了提高连轧过程轧制力预测的准确性，采用改进的初值选择方法对BP神经网络进行优化，建立了改进的BP神经网络轧制力预测模型。首先，收集某钢厂的历史生产数据进行预处理，通过灰色关联度确定影响轧制力的主要因素。然后，设定初始值，并在MATLAB编写仿真程序，以预测连轧机的轧制力。结果表明，基于改进BP神经网络的轧制力预测模型具有较强的学习能力和表达能力，轧制力预测精度得到了很大提高，对实际生产具有重要意义。