公开(公告)号：CN103514344A

公开(公告)日：2014-01-15

申请号：CN201210206891.7

申请日：2012-06-21

Applicant: 中南大学

Inventor： 邓华 ,  蒋勉 ,  黄长清

IPC: G06F19/00

Abstract: 本发明提供了一种基于谱方法的铝合金热轧板带横向厚度分布建模方法，通过研究轧制时轧制力，弯辊力和温度场的热力耦合作用对轧辊变形量和板带横向厚度分布的影响，得到具有热力耦合作用的工作辊变形量的偏微分方程；分别选择对应方程的空间线性算子的特征函数作为空间基函数，利用谱方法进行低维近似建模得到有限维非线性常微分方程组；对常微分方程组的线性部分采用平衡截断或者最优化方法进行降维处理，利用神经网络近似轧制过程中的非线性部分和未建模部分，得到维数非常低的混合智能模型，以达到快速预测板带横向厚度分布的目的。本发明的优点在于：从轧制过程的机理出发，采用较少的计算量，得到维数非常低的模型，从而提高轧制过程中板带横向厚度分布预测的实时性，而且能为系统优化和控制系统设计打下基础。

公开(公告)号：CN103514344B

公开(公告)日：2018-07-24

申请号：CN201210206891.7

申请日：2012-06-21

Applicant: 中南大学

Inventor： 邓华 ,  蒋勉 ,  黄长清

IPC: G06F17/50

Abstract: 本发明提供了一种基于谱方法的铝合金热轧板带横向厚度分布建模方法，通过研究轧制时轧制力，弯辊力和温度场的热力耦合作用对轧辊变形量和板带横向厚度分布的影响，得到具有热力耦合作用的工作辊变形量的偏微分方程；分别选择对应方程的空间线性算子的特征函数作为空间基函数，利用谱方法进行低维近似建模得到有限维非线性常微分方程组；对常微分方程组的线性部分采用平衡截断或者最优化方法进行降维处理，利用神经网络近似轧制过程中的非线性部分和未建模部分，得到维数非常低的混合智能模型，以达到快速预测板带横向厚度分布的目的。本发明的优点在于：从轧制过程的机理出发，采用较少的计算量，得到维数非常低的模型，从而提高轧制过程中板带横向厚度分布预测的实时性，而且能为系统优化和控制系统设计打下基础。