基于GRA的PSO-BP神经网络斜轧穿孔管形预测

作者：王清华; 加世滢^*; 胡建华; 双远华; 赵铁琳

来源：锻压技术, 2022, 47(08): 88-94.

DOI：10.13330/j.issn.1000-3940.2022.08.014

• 斜轧穿孔
• 管形预测
• 灰色关联度分析
• 粒子群优化算法
• BP神经网络

针对斜轧穿孔中无缝钢管管形计算复杂且精度不高的缺陷，提出了基于灰色关联度分析(GRA)的PSO-BP神经网络管形预测模型。由于轧制过程中影响管形的因素较多，通过灰色关联度分析对工艺参数进行了相关性分析，选择相关度较高的影响因素作为输入；并使用粒子群优化算法对BP神经网络进行优化，确定了最佳的神经网络结构，构建了无缝钢管的斜轧穿孔管形预测模型。最后，应用现场数据对该模型进行了训练和测试，并将其与BP神经网络和传统数学模型进行了对比分析。研究结果表明：该预测模型的精度较高、可靠性较好，为提高无缝钢管的生产质量奠定了基础。

• 单位
  太原重工股份有限公司; 太原科技大学; 电子信息工程学院