基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究

论文摘要

H型钢是一种截面积分配更加优化、强重比更加合理的经济高效型材,具有抗弯能力强、施工简单、节约成本和结构重量轻等优点,已经被广泛应用于国民经济建设中。近年来,我国对H型钢的需求日益增加,对其质量要求日益提高,为能够进一步提高产品质量及生产效率,降低生产能耗,获得更大的经济效益,对轧制过程的工艺参数进行优化研究十分必要。本文以优化H型钢粗轧过程工艺参数作为研究课题,采用神经网络算法及遗传算法对其进行了数学建模及优化计算,并将优化后的轧制能耗、型钢质量及生产效率与优化前进行了分析对比。首先分析了用传统预测方法预测轧制能耗、产品质量存在的不足,确定采用神经网络算法建立预测模型的方案。采用此方法将型钢粗轧过程中的主要工艺参数开轧温度、轧制速度、道次间隙及压下量作为输入参数,以轧制功率和奥氏体晶粒直径作为输出参数建立两个神经网络模型。以有限元软件ABAQUS仿真计算得出的数据作为神经网络的训练样本,按照混合正交试验设计工艺参数以达到减少训练样本数量、提高模型准确性的目的。采用MATLAB编制相应的计算机程序,进行多次训练,得到性能优良的神经网络模型。建模后,通过有限元软件的仿真值与神经网络的预测值对比,验证了采用神经网络算法建立数学模型的准确性。以此模型为基础,采用现代优化算法中的遗传算法进行轧制工艺参数的优化计算,将轧制能耗、型钢质量及生产效率三个优化目标转换为单目标优化问题,在解空间中寻找非劣解。分析研究了变异率、交叉率及种群数目对优化结果的影响。从优化前后的结果对比可以看出优化后的粗轧工艺参数更趋合理,既降低了生产能耗,节约了能源,又提高了H型钢的质量。最后以Visual C++软件作为开发平台,开发了建模过程及优化计算过程交互式界面,实现轧制工艺参数的自动寻优并在界面中显示最优结果。H型钢粗轧工艺参数的优化研究,对改进现有H型钢粗轧工艺规程具有重要的理论意义和现实指导意义。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 H型钢简述
• 1.1.1 H型钢的优点
• 1.1.2 H型钢的分类
• 1.2 H型钢生产中面临的主要问题
• 1.3 有限元方法及其在钢材轧制中的应用
• 1.3.1 有限元方法的发展概述
• 1.3.2 有限元法在金属成形模拟研究中的应用
• 1.4 课题来源及主要内容
• 1.5 课题研究的目的和意义
• 第2章 建立H型钢粗轧模型过程中预测方法的选择
• 2.1 H型钢生产过程问题分析及解决方法
• 2.1.1 能源消耗
• 2.1.2 产品质量
• 2.1.3 生产效率
• 2.1.4 H型钢生产过程问题的解决方法
• 2.2 轧制过程数学模型
• 2.3 预测方法的选择
• 2.4 神经网络算法
• 2.4.1 神经网络概述
• 2.4.2 神经网络的生物学基础
• 2.4.3 神经网络算法的分类
• 2.4.4 神经网络在机械工程中的应用
• 2.5 神经网络数学模型的建立
• 2.6 本章小结
• 第3章 H型钢粗轧工艺参数的神经网络模型的建立
• 3.1 训练样本
• 3.1.1 输入参数
• 3.1.2 输出参数
• 3.1.3 归一化处理
• 3.2 神经网络结构的确定
• 3.2.1 输入、输出参数
• 3.2.2 隐层节点数的确定
• 3.3 神经网络的训练过程
• 3.4 神经网络的训练结果分析
• 3.5 本章小结
• 第4章 基于遗传算法的H型钢粗轧工艺参数的优化研究
• 4.1 优化理论的概述
• 4.2 优化方法的选择
• 4.3 遗传算法
• 4.3.1 遗传算法简介
• 4.3.2 遗传算法的特点
• 4.3.3 遗传算法的实现
• 4.4 H型钢粗轧过程工艺参数的优化
• 4.4.1 目标函数
• 4.4.2 优化
• 4.5 优化结果
• 4.6 本章小结
• 第5章 可视化界面
• 5.1 开发工具的选取
• 5.2 优化软件的内容
• 5.3 优化软件的构成
• 5.4 优化软件的接口技术
• 5.5 优化流程
• 5.6 优化软件的主界面设计
• 5.7 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢
• 学位论文评阅及答辩情祝表