基于模糊神经网络的斜轧建模研究

论文摘要

斜轧无缝钢管生产工艺是无缝钢管生产的重要手段。经过100多年的发展,斜轧已经成为各种无缝钢管生产的基础,它是无缝钢管生产的关键。但是,由于斜轧过程的复杂性,人们在实际工作中,往往很难应用经典的力学方法建立起精确的数学模型。应用数值模拟的有限元法,对斜轧过程的计算精度较高,但是模拟过程时间太长,不可能作为在线控制的数学模型。所以,人工神经网数学模型开发研究势在必行。本课题以无缝钢管生产中的斜轧延伸轧管过程为对象,对斜轧过程的力学状态和钢管质量等参数进行计算,得到工艺参数与质量参数之间的映射关系,并建立了斜轧过程的模糊神经网络,及其输入参数的隶属函数。训练数据通过有限元建模和实验数据得到。因此,主要工作包括以下几个方面:(1)在深入了解斜轧无缝钢管生产工艺和理解斜轧理论的基础上,运用ANSYS有限元软件对其进行了建模仿真,采集到了模糊神经网络所需的样本数据;(2)建立无缝钢管斜轧过程的模糊神经网络,选取了隶属函数,将样本数据分成两组:训练数据和检验数据。(3)利用有限元模拟得到的数据对模糊神经网络进行训练。(4)通过用铝管代替钢管进行斜轧规律研究,搭建了实验平台,验证了有限元模拟斜轧的准确性和可靠性。通过基于模糊神经网络斜轧建模研究,建立了工艺参数与质量参数的关系,对斜轧工艺具有指导意义。同时,得到的模糊神经网络的数学模型,为实现斜轧过程自动控制奠定基础。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景及意义
• 1.1.1 无缝钢管工艺研究动态
• 1.1.2 无缝钢管斜轧工艺的发展
• 1.1.3 现有无缝钢管斜轧工艺存在的问题
• 1.2 模糊控制的发展趋势
• 1.3 模糊神经网络概述
• 1.3.1 模糊神经网络发展历程
• 1.3.2 模糊神经网络的模型
• 1.3.3 模糊神经网络的算法
• 1.3.4 模糊神经网络的发展前景
• 1.4 本课题的提出及所研究的内容
• 1.5 本课题各章节的内容
• 第二章 模糊神经网络理论基础
• 2.1 模糊控制理论
• 2.1.1 模糊控制理论的形成
• 2.1.2 模糊控制流程
• 2.1.3 模糊控制的特点
• 2.2 神经网络理论
• 2.3 模糊神经网络
• 2.3.1 模糊理论与神经网络的融合
• 2.3.2 通用的模糊神经网络结构
• 2.3.3 本研究采用的模糊神经网络
• 第三章 斜轧的有限元模拟
• 3.1 有限元法及软件介绍
• 3.1.1 有限元法介绍
• 3.1.2 LS-DYNA 软件介绍
• 3.2 斜轧理论
• 3.2.1 斜轧的应力与变形
• 3.2.2 斜轧几何学
• 3.2.3 斜轧运动学
• 3.3 斜轧过程的有限元模型
• 3.3.1 模型的简化
• 3.3.2 单元的选择
• 3.3.3 模型参数的设定
• 3.3.4 网格划分及边界条件的设置
• 3.3.5 接触及初始条件的处理
• 3.3.6 求解及其后处理
• 3.4 斜轧数值模拟分析
• 3.4.1 斜轧过程中的轧制力变化
• 3.4.2 斜轧过程中壁厚变化
• 3.5 数据获取
• 第四章 基于模糊神经网络斜轧建模研究
• 4.1 本研究的流程图
• 4.2 模糊神经网络的实现
• 4.2.1 网络映射关系的确立
• 4.2.2 网络样本数据的标准化
• 4.2.3 网络模糊规则的选择
• 4.2.4 网络初始隶属函数的选择
• 4.3 网络的学习及参数调整
• 4.3.1 隶属函数的训练
• 4.3.2 结论参数的训练
• 4.3.3 网络的误差收敛
• 4.3.4 样本数据实际值与预测值的比较
• 4.4 基于模糊神经网络斜轧的质量检验
• 第五章 斜轧的实验研究及结果验证
• 5.1 实验设计及介绍
• 5.2 实验研究
• 5.2.1 实验方案
• 5.2.2 力能参数测试
• 5.2.3 数据处理
• 5.3 有限元模拟计算与实验结果分析
• 5.3.1 轧制力的实测与模拟计算结果比较
• 5.3.2 壁厚的实测与模拟计算结果比较
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文