一种在线研究预测热轧机的轧制力的神经网络学[外文翻译].doc

附件C：译文



一种在线研究预测热轧机的轧制力的神经网络学

a，木浦国立大学机械工程部，编号61，清溪面务安郡，韩国
b，浦项钢铁公司技术研究实验室，浦项790-785，韩国
c，木浦国立大学机械系统工程部，编号61，清溪面务安郡，韩国

摘要
钢铁生产商背负压力来提高生产力，优化工艺参数,以至达到提高钢铁生产效率和质量的目的。事实上，为了达到这个目标，其中的一项关键因素是自动化炼钢过程中使用AI（人工智能）技术。在自动化热轧过程中，需要用几个不断发展变化的数学模型来模拟和定量描述钢铁的产业化经营。对轧机设备操作和设计进行调查和研究，以改善生产力和质量，对热轧工艺进行数学建模早已被认为是一个可取的方法。然而，许多因素使用数学模型分析轧制过程非常复杂和耗时，为了找到克服这些问题的方法，并得到准确的预测轧制力，利用神经网络研究轧制力已广泛地被应用。
在本文中，一个为双方长期或短期研究的在线神经网络，提高预测热连轧机轧制力的能力。通过分析表明，所预测的轧制力非常接近实际轧制力，带钢的厚度误差也因此大大减少。
关键词：神经网络;在线研究;轧制力;热轧过程；AI（人工智能）技术

1.导言
该系统的热连轧过程，包括其中的六，七个辊看台，反复工程在每个阶段的前计算，控制和后计算。在预先计算阶段，预设值如轧辊速度、轧辊类别、轧制力等，是按照数学模型方程式，根据轧制理论，其中包括钢材的类型和温度的大小来预设的。是用来作为指挥开环控制，以及在控制阶段作为反馈控制的参数，钢板前端的厚度精度质量，受其相当大的影响。在后计算的一个阶段，修改了参数的数学模型是整个产品系列的控制模型[1]，用以尽量降低预先计算阶段后的误差 。在钢铁企业，其中主要的控制过程，加工模式的发展，可以快速准确地预测轧制力和力矩，以获得准确的设定值然后输入轧机[2,3]。
预测数学模型的发展，是很困难的，因为热连轧机的轧制程序是一个非线性系统，在其中有大量的处理参数，如轧制力，轧辊速度，摩擦力，温度，轧辊损坏，材料等相互影响。此外，因为轧制过程会造成意想不到的外部影响，热连轧机的轧制过程有其局限性，需要分析掌握这些特殊性。特别是，热轧钢板前端的控制厚度依赖于热连轧机的初始设置，这个初始设置是由预设的热轧模式所决定的。