پیشبینی نیروی نورد در فرآیند نورد گرم به کمک شبکههای عصبی مصنوعی

در تحقیق حاضر به کمک شبکه های عصبی مصنوعی مدل جدیدی جهت پیشبینی دقیق نیروی نورد در فرآیند نورد گرم ارائه شده است. اثر پارامترهای ورودی هر قفسه شامل دما، ضخامت ورودی ورق به قفسه، عرض ورق، درصد کاهش مقطع و غیره بر نیروی نورد خط نورد گرم هفت قفسه- ای شرکت فولاد مبارکه مورد بررسی قرار گرفت. نیروی نورد به عنوان خروجی و پارامترهای ورودی هر قفسه به عنوان ورودی شبکه عصبی در نظر گرفته شدند. از شبکه های پس انتشار خطا با الگوریتم آموزش لونبرگ-مارکوارت استفاده شد. شبکه های به دست آمده داده های تست را با درصد خطای بسیار کم پیش بینی نمودند. مقایسه مدل شبکه عصبی با مدلهای تحلیلی موجود نشان داد که مدل ارائه شده نیروی نورد را با دقت بهتر و در نظر گرفتن پارامترهای کمتر پیش بینی میکند. در نتیجه میتواند به عنوان مدل جایگزین جهت پیش بینی نیروی نورد در خط نورد گرم شرکت فولاد مبارکه مورد استفاده قرار گیرد.

کلیدواژه ها:

نورد گرم ، نیروی نورد ، الگوریتم لونبرگ مارکوارت ، شبکه عصبی مصنوعی