[發明專利]一種基于關聯神經網絡的熱軋卷取溫度預報方法

有效

• 申請號: 201310403188.X
• 申請日: 2013-09-06
• 公開（公告）號: CN103464475A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 柴明亮;王軍生;劉寶權;張巖;侯永剛;秦大偉;李連成;費靜;宋君;金耀輝
• 申請（專利權）人: 鞍鋼股份有限公司
• 主分類號: B21B37/74
• 分類號: B21B37/74
• 代理公司: 鞍山華惠專利事務所 21213
• 代理人: 趙長芳

1.一種基于關聯神經網絡的熱軋卷取溫度預報方法，其特征在于，具體方法和步驟為：

????（1）、數據預處理

通過熱軋機生產現場PDA終端進行數據采集，數據包括帶鋼厚度H、軋制速度V、終軋溫度T₁、帶鋼寬度W、超快冷閥門開啟數N₁、層流閥門開啟數N₂、超快冷入口溫度T₂、目標卷取溫度T₃，采用歸一化和空缺值填充方法進行數據預處理；

（2）、影響度數據挖掘

影響度：構造輸入矩陣[H，V，T₁，W，N₁，N₂，T₂，T_3?]，輸出矩陣[T]；為了挖掘H的影響度，假定[V，T₁，W，N₁，N₂，T₂，T₃]不變，H增加1個單位，增加前卷取溫度為T_前，增加后卷取溫度為T_后，定義???????????????????????????????????????????????為H的影響度，

式中：Y為帶鋼厚度影響度；Ｔ_后為變化后卷取溫度；Ｔ_前為變化前卷取溫度；Ｈ_后變化后帶鋼厚度；Ｈ_前變化前帶鋼厚度；

本步驟需要根據步驟（1）預處理完的數據和影響度的概念，進行影響度的數據挖掘，按照影響度的大小，進行排序BP神經網絡的輸入端，同時把相應的影響度賦予輸入端與隱含層的權值以及隱含層與輸出層的權值，構建ASBP神經網絡；

（3）、構建并訓練ASBP神經網絡

根據步驟（2）影響度數據挖掘構建ASBP神經網絡,選擇三層神經網絡，神經網絡輸入包括帶鋼厚度H、軋制速度V、終軋溫度T₁、帶鋼寬度W、超快冷閥門開啟數N₁、層流閥門開啟數N₂、超快冷入口溫度T₂、目標卷取溫度T₃，輸出為實際卷取溫度；根據構建的ASBP神經網絡模型，采用一定數量樣本數據進行ASBP神經網絡訓練；

（4）、ASBP神經網絡卷取溫度預報

根據步驟（3）訓練好的ASBP神經網絡模型，采用實際測試數據進行卷取溫度的預報，在預報過程中，選擇有代表性制度進行預報。