D0I:10.13374/j.issn1001053x.1997.02.012 第19卷第2期 北京科技大学学报 Vol.19 No.2 1997年4月 Journal of University of Science and Technology Beijing Apr.1997 基于人工神经网络铝箔轧机轧制力模型* 王邦文杨光)徐峰)李谋谓)刘圣明2)王国平) 1)北京科技大学机械工程学院，北京1000832)东北轻合金加工厂，哈尔滨150060 摘要采用BP神经网络原理对1350mm铝箔轧机轧制数据重新处理，建立了基于人工神经网 络的轧制力模型，结果表明，用人工神经网络轧制力模型的计算值与实测值相比较偏差<3%.该 模型较真实地反映了轧制过程的特征， 关键词神经网络，铝箔，轧制力模型 中图分类号TG335,TG335.5,Q954.52 当前轧制力模型一般是在一定的假设条件下，基于轧制理论而建立起来的数学模型，而 实际轧制过程的复杂性常常使这类模型与实际对象相距甚远，难以达到满意的效果，采用神 经网络建模有时可弥补这一本质上的缺陷.由于其建模过程不需要对对象作任何假设，所以 模型较真实地反映了过程的特征.作为东北轻合金加工厂1350铝箔轧机轧制力模型的补 充，或者说作为一种新的尝试，我们利用取自该厂现场的轧制数据，根据BP神经网络的基本 原理，建立了基于人工神经网络的轧制力模型， 1BP神经网络的基本原理 1.1神经网络的学习功能刊 。。学习部。。。 神经网络的 主要特征之一就 输入部 输出部 是具有学习功能. 气形，W,,W阴 学习系统的示意 图如图1.所示， 系统分成3部分， E 即输人部、学习部 所期望的正确输出信号 和输出部.输人部 15 接受外来输人模 图1神经网络的正确学习系统示意图 式，经学习部调正 权值参数(W,W,…,W),最后由输出部产生输出y作为学生信号.与此同时，输人所 期望的正确输出信号y作为教师信号.将实际输出（学生信号）和期望输出（教师信号）之差作 1996-08-22收稿 第一作者男50岁副教投 *国家“八五”攻关项目第 卷 第 期 年 月 北 京 科 技 大 学 学 报 价 。 基于 人工神经 网络铝箔轧机轧制力模型 王 邦文 杨 光 徐 峰 李谋谓 ’ 刘 圣 明“ 王 国平 北京科技 大学 机械工程学院 ， 北京 一 东北轻合金加工 厂 ， 哈尔滨 摘要 采用 神经 网络原理 对 铝 箔轧机轧制数据重新处理 ， 建立 了基于 人工神经 网 络 的轧制力模型 结果表 明 ， 用 人工 神经 网 络轧制 力模 型 的计算值 与实 测值相 比较偏 差 该 模 型 较真实地反 映 了轧制过程 的特征 关键词 神经 网络 ， 铝 箔 ， 轧制力模型 中图分类号 ， ， 当前 轧制 力 模 型 一 般是 在 一 定 的假设 条件 下 ， 基 于 轧制 理 论 而 建 立起来 的数学模 型 ， 而 实 际 轧制 过程 的复杂性 常常使 这 类模 型 与 实 际对象相 距甚 远 ， 难 以 达 到 满 意 的效 果 采 用 神 经 网络建模 有 时可 弥 补 这 一本 质上 的缺 陷 由于 其建模 过 程 不 需 要 对 对象作 任何假 设 ， 所 以 模 型 较 真 实 地 反 映 了过 程 的 特 征 作 为 东 北 轻 合 金 加 工 厂 铝 箔 轧 机 轧 制 力 模 型 的 补 充 ， 或 者说作为一 种新 的尝 试 ， 我 们利 用 取 自该厂 现 场的轧制数据 ， 根 据 神 经 网络 的基 本 原理 ， 建立 了基 于 人工 神经 网络 的轧制力模 型 神经 网络 的基本原理 神经 网络 的学 习 功能 ’〕 神 经 网 络 的 主 要 特 征 之 一 就 是 具有 学 习功 能 学 习 系 统 的 示 意 图 如 图 所 示 ， 系 统分成 部分 ， 即输人部 、 学 习部 和 输 出部 输人 部 接 受 外 来 输 人 模 式 ， 经 学 习部调 正 环任 川 ， 城 ， … ， 输人部 叫 哩奖月靛 输 出部 所期望 的正 确输出信 一 图 神经网络的正确学 习 系统示意图 权值参数 平 叫 ， 叽 ， · · 一 峨 ， 最后 由输 出部 产生 输 出 夕 作 为学 生信 号 与此 同时 ， 输 入 所 期望 的正 确 输出信影作 为教 师信号 将 实 际输 出 学 生 信号 和 期望 输 出 教 师信 号 之差 作 一 一 收稿 国家 “ 八 五 ” 攻 关项 目 第 一作 者 男 岁 副教授 DOI ：10．13374／j ．issn1001－053x．1997．02．012