论文部分内容阅读
以缩小板坯表面实际温度和目标温度的差异为目标,基于神经网络技术,建立以BP神经网络进行连铸二冷段的温度预测和运用模糊神经网络对二冷段的水量进行实时控制的动态控制模型,模型能及时根据拉速、温度的变化做出水量的动态调整和分配。针对某钢厂2^#板坯连铸过程进行了仿真计算和现场应用测试,结果表明:该模型将二冷水量控制问题与铸坯在冷却过程中的温度状态相结合,能很好的响应现场的变化,及时给出二冷段水量的动态调节量。