[發明專利]基于BP神經網絡的熱連軋電磁感應加熱溫度預測方法

有效

• 申請號: 201110307393.7
• 申請日: 2011-10-12
• 公開（公告）號: CN102393884A
• 公開（公告）日: 2012-03-28
• 發明（設計）人: 徐哲;孔亞廣;何必仕;潘三強;史興盛
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/02
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

1.基于BP神經網絡的熱連軋電磁感應加熱溫度預測方法，其特征在于該方法包括以下步驟:

步驟1.?選擇預測模型變量，具體是利用機理分析和先驗信息，選擇預測模型的輸入輸出變量；

所述的輸入變量包括電磁感應加熱前的鋼坯溫度、感應加熱器的電壓和感應加熱器的電流；

所述的輸出變量為電磁感應加熱后的鋼坯溫度；

步驟2.?數據歸一化處理，具體是：

訓練樣本中的輸入數據包含三項，數量級相差較大，為保證各因素同等地位，加快收斂速度，對數據進行歸一化處理，轉化為[0,?1]區間范圍的值???????????????????????????????????????????????，

其中為輸入數據中的最大值，為輸入數據中的最小值，為輸入數據，為輸入數據歸一化處理后的值；

步驟3.?搭建BP神經網絡框架，具體是：

調用MatlabR2009a神經網絡工具箱中的newff函數建立BP神經網絡，?Net?=?newff?(PR,?,?,?BTF,?BLF,?PF?)；Net為BP神經網絡框架，PR為輸入矩陣中由最大元素和最小元素決定的一個取值范圍，為第i層神經元的個數，為第i層的傳遞函數，，為神經網絡總層數，BTF為BP神經網絡的訓練函數，BLF為權值和偏置值，PF為網絡性能函數；

步驟4.?訓練BP神經網絡，具體方法是：

a、初始化BP神經網絡，利用隨機函數產生的值賦值給權值和偏置值，然后調用init函數來初始化BP神經網絡；

b、設置網絡訓練次數和訓練目標誤差；

c、設置訓練數據為輸入矩陣P，設置目標值為矩陣T，調用MatlabR2009a神經網絡工具箱中的train函數對BP神經網絡Net進行數據訓練直至收斂，?Net?=?train?(Net,?P,?T)；

步驟5.?測試BP神經網絡，具體是：

對訓練好的BP神經網絡進行測試，將歷史數據組成用于電磁感應加熱溫度預測網絡測試矩陣P_test，直接調用MatlabR2009a神經網絡工具箱中的sim函數，D=sim(Net,?P_test)，對測試矩陣進行仿真，其中D為目標函數；

步驟6.數據反歸一化處理，具體是：

對測試所得的電磁感應加熱后的鋼坯溫度按照公式進行反歸一化處理，其中為反歸一化處理后的鋼坯溫度，為仿真測試得到的鋼坯溫度，為鋼坯最高溫度，為鋼坯最低溫度。