·176· 北京科技大学学报 1997年第2期 所轧材质的函数.据此构造的BP神经网络为具有5个输入节点、1个输出节点和6个隐层节 点的单隐层结构，如图3所示 输出层 输出 隐层 输入层 图3构造神经网络结构 2.2计算结果与分析 对东北轻合金加工厂1350mm铝箔轧机在线采集了不同材料、不同道次的压下率，前张 力、后张力、轧制速度等数据，经过归一化 后，用编制的BP网络程序设计进行微机计 表1铝材轧制模型轧制力计算结果 算，结果如表1所示， 道次 实测值/t网络模型值/t 误差% 从表】的数据可以看出，网络模型在 178.6 183.9 3.0 1 179.2 174.7 计算轧制力时，偏差在3%以内，完全满足 -2.5 1 180.5 185.6 控制轧制的要求， 2.8 2 183.8 186.9 1.7 在利用神经网络的BP算法来计算轧 2 186.2 190.5 2.3 制压力时，要注意以下2点： 2 185.1 181.7 -1.8 ()神经网络的构造，直接影响学习精 3 114.1 115.6 1.4 度和算法的收敛速度，因此神经网络的构 3 117.6 120.2 2.2 造一定要符合所研究的对象. 3 116.2 118.4 1.9 (2)学习速率n和动量因子α的选取， 在训练过程中需不断变换，7和α的值对迭 代收敛速度影响很大， 3结论 (1)将神经网络引人轧制领域，作为研究轧制力模型的一种方法和途径是行之有效的， 它能避免建立数学模型的复杂性，并且精度高，简便实用. (2)神经网络模型为解决多维非线性系统及模型未知系统的预测和优化提供了一条新 途径.北 京 科 技 大 学 学 报 年 第 期 所 轧 材 质 的 函 数 据此 构 造 的 神经 网络 为具有 个输入 节 点 、 个输 出节点和 个 隐层 节 点 的单 隐层 结 构 ， 如 图 所示 输 出层 隐层 输人层 输人 图 构造神经网络结构 计 算结果 与分析 对东北 轻合 金 加 工 厂 铝 箔 轧机 在线采集 了 不 同材 料 、 不 同道 次 的压下 率 ， 前 张 力 、 后 张 力 、 轧 制 速 度 等 数 据 ， 经 过 归 一 化 后 ， 用 编 制 的 网络程 序设计进 行微 机计 算 ， 结果 如表 所示 从 表 的数 据 可 以 看 出 ， 网 络模 型 在 计 算 轧 制 力 时 ， 偏 差 在 以 内 ， 完 全 满足 控 制 轧制 的要 求 在 利 用 神 经 网 络 的 算 法 来 计 算 轧 制压力 时 ， 要 注 意 以 下 点 神经 网络 的构造 ， 直接 影 响学 习 精 度 和 算 法 的 收 敛 速 度 ， 因 此 神 经 网 络 的 构 造 一定 要 符合所研究 的 对象 学 习速 率 ，和 动量 因子 的选取 ， 在 训 练过程 中需 不 断变 换 ， 叮和 的值 对迭 代收 敛速度影 响很大 表 铝材轧制模型轧制力计算结果 道次 实测值 网络模型值 误差从 日 结论 将神 经 网络 引人 轧制领 域 ， 作 为研 究 轧 制 力模 型 的一种 力 法 和 途径 是 行 之有 效 的 ， 它 能避 免建 立 数学模 型 的复 杂性 ， 并且 精度 高 ， 简便 实用 神 经 网络模 型 为解 决 多 维非 线性 系 统及模 型 未 知 系 ’ 统 的预 测 和 优 化提 供 了一条新 途径