基于五个神经网络模型的TiAl合金近同热滚动的可靠性预测
1National Engineering Research Center for Equipment and Technology of Cold Strip Rolling, Yanshan University, Qinhuangdao 066004, China.
Materials (Basel, Switzerland)
|October 28, 2023
概括
这项研究提高了和 (TiAl) 合金的近同热滚动控制. 通过模拟和生产数据训练的神经网络模型,可以准确预测和控制合金厚度,提高工业准确性.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 计算科学 计算科学
背景情况:
- 近同热涉及复杂,多变量过程,工业条件不断变化.
- 由于影响因素的复杂性,理论模型难以准确确定补偿系数.
- 精确控制- (TiAl) 合金的出口厚度在工业制中具有挑战性.
研究的目的:
- 开发一个准确的预测和控制方法,用于TiAl合金出口厚度在近同热.
- 克服理论模型在确定补偿系数方面的局限性.
- 通过利用先进的计算技术来提高制过程的精度.
主要方法:
- 利用可控制的双卷轮机生产数据和有限元模拟用于神经网络训练数据的组合.
- 采用神经网络模型,通过遗传算法进行优化,用于预测滚动过程的结果.
- 使用实时数据实现在线学习,以补偿之前的培训错误.
主要成果:
- 成功训练了5个神经网络进行预测,与工业场所数据相比,显示出高可靠性和准确性.
- 验证了基因算法在优化神经网络预测能力方面的有效性.
- 在TiAl合金出口厚度的控制精度上取得了显著的改进.
结论:
- 开发的神经网络模型有效地解决了在近同热滚动中控制补偿系数的挑战.
- 模拟和现实数据的整合为神经网络提供了强大的训练支持.
- 这种方法为提高工业应用中TiAl合金厚度控制的精度提供了可靠和准确的解决方案.
