中国作为一个工业大国,钢铁工业占据国民经济的支柱型地位。近年来,我国处于从工业大国向工业强国转变的阶段,国民经济快速发展,国际钢铁市场需求不断扩大。这也给无缝钢管行业带来了巨大挑战。PQF (Premium Quality Finishing)连轧管机组,也称为三辊式限动芯棒连轧管机组,是当今世界上工艺技术最先进的连轧管机组。世界上第一套PQF连轧机组于2003年8月在天津投产。作为无缝钢管行业的新突破,PQF连轧管机组轧制工艺的设计备受关注。PQF轧制工艺是多因素,非线性的复杂问题。目前,国内外只采用有限元的方法对三辊式限动芯棒连轧管机的工艺方法进行理论研究,并未给出适应实际生产需求的工艺方法,无经验可借鉴。BP神经网络具有较强的自适应、自组织、联想记忆、并行处理等特性,适于处理复杂问题,在非线性优化,函数逼近、预测评估等领域具有广泛应用。因此,本文采用BP神经网络建模,利用MEER公司提供的数据对网络进行训练,得到PQF轧制工艺模型,预测PQF自动化控制参数。本文通过实验确定了模型的层数、神经元个数和权值矩阵。由于BP神经网络存在收敛速度慢和易陷入局部极小值的弱点。本文利用遗传算法的全局搜索特性优化BP网络的初始权重,避免BP神经网络陷入局部收敛,改善收敛速度。本文以天津钢管集团股份有限公司提供的孔型系列为依托,基于遗传神经网络建立PQF轧制工艺模型,并采用MATLAB软件对模型进行训练、验证和预测。实验表明,将本文构建的遗传神经网络模型应用于PQF轧制工艺的设计中,能够对PQF自动化控制参数的预置达到良好的预测效果。