金屬塑性阻力是表征金屬加工性能的基本物理量，是計(jì)算壓力加工過程中變形力和變形功的主要參數(shù)，是制定合理的工藝規(guī)程和設(shè)計(jì)軋鋼設(shè)備必不可少的數(shù)據(jù)。金屬塑性阻力的大小，決定于金屬的化學(xué)成分、金屬的組織，變形速度、變形程度以及與這些相關(guān)的各個過程，如加工硬化、再結(jié)晶、動態(tài)恢復(fù)、靜態(tài)恢復(fù)等。

人工神經(jīng)網(wǎng)絡(luò)是一種人工智能模式識別方法，具有自學(xué)習(xí)功能、聯(lián)想存儲功能，并有高速尋找優(yōu)化解的能力等；可以逼近任意復(fù)雜的非線性關(guān)系，尤其擅長表達(dá)輸入輸出關(guān)系不明確的高度非線性關(guān)系。近年，在塑性加工領(lǐng)域，神經(jīng)網(wǎng)絡(luò)預(yù)測模型已在金屬變形阻力、軋制工藝中的軋件寬展以及軋制力等許多方面得到廣泛應(yīng)用，與傳統(tǒng)方法相比，預(yù)測精度有顯著提高。然而一般還只應(yīng)用單一網(wǎng)絡(luò)進(jìn)行預(yù)測，沒有對已有的多種可行的神經(jīng)網(wǎng)絡(luò)作對比，尋找最優(yōu)網(wǎng)絡(luò)。本文嘗試用BP、ElMAN、RBF以及GRNN網(wǎng)絡(luò)，分別建立熱軋鉻鎳鋼變形阻力的預(yù)測模型，并對預(yù)測過程和結(jié)果進(jìn)行對比。

1)運(yùn)用神經(jīng)網(wǎng)絡(luò)的方法對熱軋鉻鎳鋼變形阻力預(yù)測可行有效，與傳統(tǒng)的方法相比，預(yù)測精度高出很多。

2)為尋找最佳網(wǎng)絡(luò)，本文用4種不同網(wǎng)絡(luò)對本文塑性變形阻力熱軋模型進(jìn)行訓(xùn)練和預(yù)測。通過比較，分析認(rèn)為，雖然RBF網(wǎng)絡(luò)結(jié)構(gòu)較復(fù)雜，但網(wǎng)絡(luò)逼近能力強(qiáng)，訓(xùn)練過程穩(wěn)定，預(yù)測精度高，為最佳網(wǎng)絡(luò)；Elman網(wǎng)絡(luò)優(yōu)于BP網(wǎng)絡(luò)；而GRNN網(wǎng)絡(luò)不適合類似本文所建模型。

3)當(dāng)遇到類似本文模型的實(shí)際問題時(shí)，可以優(yōu)先選擇RBF網(wǎng)絡(luò)；如若模型網(wǎng)絡(luò)結(jié)構(gòu)很復(fù)雜，而且要求預(yù)測精度不是太高時(shí)，可以嘗試Elman網(wǎng)絡(luò)。

（來源：塑性工程學(xué)報(bào)）