第30卷第3期2023年3月塑性工程学报JOURNALOFPLASTICITYENGINEERINGVol.30No.3Mar.2023■■■■■■■■■■■■■■■■■■■■■■■■■■成形装备与智能制造引文格式:孙继芸,王清华,王贞艳,等.基于PIO-RBF神经网络斜轧穿孔机调整参数预测[J].塑性工程学报,2023,30(3):197-203.SUNJiyun,WANGQinghua,WANGZhenyan,etal.Predictionofadjustmentparametersofcross-rollingpiercingmillbasedonPIO-RBFneuralnetwork[J].JournalofPlasticityEngineering,2023,30(3):197-203.基金项目:山西省科技重大专项(20191102009)通信作者:王清华,女,1980年生,博士,讲师,主要从事钢管成形及自动化研究,E-mail:18903462536@163.com第一作者:孙继芸,女,1996年生,硕士研究生,主要从事先进过程控制研究,E-mail:s18835387178@163.com收稿日期:2022-05-05;修订日期:2023-01-24基于PIO-RBF神经网络斜轧穿孔机调整参数预测孙继芸1,王清华1,王贞艳1,胡建华2,徐洪岩3(1.太原科技大学电子信息工程学院,山西太原030024;2.太原科技大学材料科学与工程学院,山西太原030024;3.太原重工股份有限公司技术中心,山西太原030024)摘要:针对无缝钢管二辊斜轧穿孔生产工艺中轧机调整参数对钢管质量影响较大,但其设定值精度不高的问题,提出了基于鸽群算法改进RBF神经网络斜轧穿孔机调整参数预测模型。首先,综合分析了传统的二辊斜轧穿孔调整参数数学模型并确定了主要特征参数,其次,建立了两辊斜轧穿孔时轧机参数(轧辊间距、导板间距和顶头前伸量)的RBF神经网络预测模型,并提出鸽群算法优化RBF神经网络的中心、方差(宽度)和隐层与输出层之间的连接权值。针对某厂采集的304L管的生产数据,对提出的预测模型进行了训练和验证。通过与基于聚类分析的RBF神经网络模型对比,将经PIO-RBF神经网络模型预测得到的轧机调整参数(轧辊间距、导板间距和顶头前伸量)数据与实际数据比较,其相对误差均可控制在9%以内。结果表明,由PIO-RBF神经网络建立的预测模型对轧辊间距、导板间距及顶头前伸量具有较高的预测精度且适用性强。关键词:斜轧穿孔;调整参数预测;鸽群算法;RBF神经网络中图分类号:TG355文献标识码:A文章编号:1007-2012(2023)03-0197-07doi:10.3969/j.issn.1007-2012.2023.03.026Predictionofadjustmentparametersofcross-rollingpiercingmillbasedonPIO-RBFneuralnetworkSUNJi-yun1,WANGQing-hua1,WANGZhen-yan1,HUJian-hua2,XUHong-yan3(1.SchoolofElectronicInformation,TaiyuanUniversityofSci...
