随着现代工业双金属耐磨钢板的不断发展和进步,对板材质量的要求也越来越高,而板形模式识别和控制是提高板材质量的关键技术之一,因此成为冷轧控制研究的热点问题.另外,由络在建立模型中有许多优点,在近几年的研究中被广泛的应用在板形模式辨识和控制中.本文以某薄板厂的六辊五机架CVC冷连轧机为研究对象,以实现板形自动控制为目的,建立了基于BP(Error Back Propagation)神经网络式识别模型和板形预测模型.阐述了轧机、板形的相关知识,以及板形控制的基本方法和策略.分析了板形的测量装置以及测量的相关理论. 其次,针对传统数学方法在辨识板形缺陷模式中的不足,以常见板形缺陷模式为依据,利用人工神经网络在建模和系统辨识方面的优点,建立了基于BP神经网络的板形缺陷辨识模atlab7.0中的GUI神经网络工具箱建立了该模型.模型的输入为测量辊的52测量值和
在工作条件特别恶劣、要求高强度、高耐磨性能的工程、采矿、建筑、农业、水泥生产、港口、电力以及冶金等机械行业中，磨损是一直困扰着工业界人士的一个重大严重问题，尤其是在接触岩石、矿料等受磨擦、撞击、冲刷的结构中。如推土机，装载机，挖掘机，自卸车及各种矿山机械、抓斗、堆取料机、输料弯曲结构等。
据统计，工业发达的国家，机械装备及其零件的磨损所造成的经济损失占国民经济总产值4左右。因此，解决磨损和延长机械设备及其部件的使用寿命成为工业界人士在设计、制造和使用各种机械设备所需要考虑的首要问题。
由此，双金属耐磨钢板凭借高抗磨损性、高抗冲记性、耐高温的特点足以走俏钢板市场，取得可喜成绩。
（以上内容全部来源于网络，如有问题请联系我删除）
