[發明專利]利用神經元網絡分類建模法提高模型預報精度的方法

有效

• 申請號: 200810079769.1
• 申請日: 2008-11-08
• 公開（公告）號: CN101403890A
• 公開（公告）日: 2009-04-08
• 發明（設計）人: 王津平;張世厚;楊連宏;郭永亮
• 申請（專利權）人: 山西太鋼不銹鋼股份有限公司
• 主分類號: G05B13/02
• 分類號: G05B13/02;G05B19/18
• 代理公司: 太原市科瑞達專利代理有限公司
• 代理人: 劉寶賢

技術領域

本發明涉及一種利用神經元網絡分類建模法提高模型預報精度的方法。

背景技術

帶鋼熱軋生產是目前應用計算機控制最為成熟的一個領域，其控制范圍包含了整個生產過程。帶鋼熱連軋計算機系統基本上分為基礎自動化控制系統和過程自動化控制系統；基礎自動化面向機組及設備，并廣泛采用數字傳動技術。基礎自動化控制系統根據過程自動化系統的設定參數進行設備控制，同時將軋制過程中相應的檢測數據傳給過程自動化控制系統。過程自動化面向整個生產線，其中心任務是對生產線上各機組和各個設備進行設定計算，使得軋制帶鋼取得目標要求的厚度、寬度、溫度、凸度及平直度等指標。過程控制計算機設有原始數據輸入、在線數據采集以及模型自學習等為設定模型服務及配套的功能。熱連軋過程自動化控制的主要功能是根據原始數據和軋制策略，使用一系列數學模型進行設定計算，下送控制參數到基礎自動化，因此，模型預報精度對帶鋼的產量和質量起著至關重要的作用。提高模型設定精度目前主要采用傳統的表格系數修正法或神經元網絡系數修正法。由于神經元網絡具有自學習的能力，使自己更加適應外界環境，因此神經元網絡得到了越來越廣泛的應用。但神經元網絡需要較長的開發與調試周期和昂貴的軟、硬件開發經費。

發明內容

本發明目的是為克服上述已有技術的不足，提供一種在設備、工藝、環境等輸入狀態發生變化時，低成本、快速度地利用神經元網絡分類建模法提高模型預報精度的方法。

在具有7臺連軋機(F0-F6)組成的精軋機組的熱軋帶鋼生產線上，用高速鋼軋輥替代標準鑄鐵軋輥用于精軋機組。根據軋輥類別，使用不同的神經元網絡，即保持原有網絡用于高鉻鎳鑄鐵軋輥生產；為高速鋼軋輥另外增加新的網絡，網絡形式與原有神經元網絡相同。高速鋼軋輥與高鉻鎳鑄鐵軋輥使用各自的壓力修正、凸度及平直度控制神經元網絡；新的網絡配置文件與原有網絡文件完全相同，僅是模型根據不同的軋輥輥質類型調用不同的網絡文件；各種不同輥質的網絡相對獨立，互不干擾。

本發明方法的具體步驟：

(1)增加8條神經元網絡供高速鋼軋輥使用，原有網絡供高鉻鎳鑄鐵軋輥生產控制：

fm_prof.net???目標凸度及目標平直度預報網

fm_rf0.net????F0機架軋制壓力修正網

fm_rf1.net????F1機架軋制壓力修正網

fm_rf2.net????F2機架軋制壓力修正網

fm_rf3.net????F3機架軋制壓力修正網

fm_rf4.net????F4機架軋制壓力修正網

fm_rf5.net????F5機架軋制壓力修正網

fm_rf6.net????F6機架軋制壓力修正網

拷貝上述8條網絡，分別更名為如下8條網絡供高速鋼軋輥生產控制：

fm_hsprof.net目標凸度及目標平直度預報網

fm_hsrf0.net?F0機架軋制壓力修正網

fm_hsrf1.net?F1機架軋制壓力修正網

fm_hsrf2.net?F2機架軋制壓力修正網

fm_hsrf3.net?F3機架軋制壓力修正網

fm_hsrf4.net?F4機架軋制壓力修正網

fm_hsrf5.net?F5機架軋制壓力修正網

fm_hsrf6.net?F6機架軋制壓力修正網

該方法保持原有網絡結構，僅增加供高速鋼軋輥使用的神經元網絡，使得高速鋼軋輥與高鉻鎳鑄鐵軋輥使用各自的壓力修正、凸度及平直度控制神經元網絡。各種不同輥質的網絡相對獨立，互不干擾。

(2)修改模型控制源代碼，根據不同輥類，調用不同的神經元網絡，從而提高后續帶鋼的設定精度，操作步驟如下：

1)讀取原始數據、工藝制度及輥類標志；

2)判斷是高速鋼軋輥嗎？否，進入第4)步；

3)讀取高鉻鎳鑄鐵軋輥神經元網絡數據，跳到第5)步；

4)讀取高速鋼軋輥神經元網絡數據；

5)調用溫度計算模型，通過軋制變形熱、軋輥熱傳導、機架間冷卻水、空冷熱輻等求出帶鋼在各軋機的出口溫度；

6)調用壓力計算模型，使用其相應的軋輥神經元網絡數據，計算各軋機軋制壓力；

7)調用板形計算模型，使用其相應的軋輥神經元網絡數據，計算各軋機彎輥、串輥量；

8)傳送設定值；預設定過程結束。

工藝制度包括除鱗方式、軋機負荷分配率、機架間冷卻水流量、工作輥冷卻水流量、工藝潤滑投用標志等。