【摘要】 一种利用神经元网络分类建模法提高模型预报精度的方法，本发明适合于采用神经元网络进行模型修正的带钥热轧生产线上使用；目的是提高模型预报精度；本发明根据轧辊类别，使用不同的神经元网络，即保持原有网络用于高铬镍铸铁轧辊生产；为高速钢轧辊另外增加新的网络，网络形式与原有神经元网络相同；高速钢轧辊与高铬镍铸铁轧辊使用各自的压力修正、凸度及平直度控制神经元网络；新的网络配置文件与原有网络文件完全相同，仅是模型根据不同的轧辊辊质类型调用不同的网络文件；各种不同辊质的网络相对独立，互不干扰。 【专利类型】发明授权 【申请人】山西太钢不锈钢股份有限公司 【申请人类型】企业 【申请人地址】030003 山西省太原市尖草坪街2号 【申请人地区】中国 【申请人城市】太原市 【申请人区县】尖草坪区 【申请号】CN200810079769.1 【申请日】2008-11-08 【申请年份】2008 【公开公告号】CN101403890B 【公开公告日】2010-06-09 【公开公告年份】2010 【授权公告号】CN101403890B 【授权公告日】2010-06-09 【授权公告年份】2010.0 【IPC分类号】G05B13/02; G05B19/18 【发明人】王津平; 张世厚; 杨连宏; 郭永亮 【主权项内容】一种利用神经元网络分类建模法提高模型预报精度的方法，在具有7台连轧机(F0-F6)组成的精轧机组的热轧带钢生产线上，用高速钢轧辊替代标准铸铁轧辊用于精轧机组；其特征是根据轧辊类别，使用不同的神经元网络，即保持原有网络用于高铬镍铸铁轧辊生产；为高速钢轧辊另外增加新的网络，网络形式与原有神经元网络相同；高速钢轧辊与高铬镍铸铁轧辊使用各自的压力修正、凸度及平直度控制神经元网络；新的网络配置文件与原有网络文件完全相同，仅是模型根据不同的轧辊辊质类型调用不同的网络文件；各种不同辊质的网络相对独立，互不干扰。 【当前权利人】山西太钢不锈钢股份有限公司 【当前专利权人地址】山西省太原市尖草坪街2号 【专利权人类型】其他股份有限公司(上市) 【统一社会信用代码】91140000701011888X 【引证次数】3.0 【他引次数】3.0 【家族引证次数】3.0 【家族被引证次数】9
