[發明專利]基于改進神經網絡算法的中厚板軋制力設定值預報方法

無效

• 申請號: 201310747097.8
• 申請日: 2013-12-30
• 公開（公告）號: CN103745101A
• 公開（公告）日: 2014-04-23
• 發明（設計）人: 趙云濤;王勝勇;盧家斌
• 申請（專利權）人: 中冶南方（武漢）自動化有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/12;G06N3/02
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 王丹

技術領域

本發明涉及一種基于改進神經網絡算法的中厚板軋制力設定值預報方法。

背景技術

中厚板是國民經濟發展所必須的重要原材料，廣泛應用于造船、壓力容器、汽車大梁、管線等領域。但由于中厚板軋制過程機理非常復雜，具有多變量、非線性、時變性及模型不確定性等特點，使得傳統的中厚板軋制模型越來越無法滿足目前嚴格的成品指標要求。

為了提高中厚板軋制力預報的精度，人們提出了多種方法。一種比較常用的辦法是開發新的先進的軋制力數學模型；另外一種辦法是構造有效的自學習模型，用以補償數學模型的缺陷。但是這些方法存在一些缺陷：隨著帶鋼尺寸和化學成分的增多，學習系數的維護變得越來越困難；多品種，小批量的產品生產使得學習效率大大降低；產生預報誤差的原因很多，僅僅使用軋制力修正系數，而沒有考慮尺寸變化、材料成分變化以及軋制狀態變化的影響，會限制補償能力；軋制力模型本身的結構及參數給定帶來的偏差。

發明內容

本發明要解決的技術問題是：針對中厚板軋制力傳統數學模型，難以準確預報設定值的問題，提供一種基于改進神經網絡算法的中厚板軋制力設定值預報方法。

本發明為解決上述技術問題所采取的技術方案為：基于改進神經網絡算法的中厚板軋制力設定值預報方法，其特征在于：它包括以下步驟：

步驟一、將神經網絡的拓撲結構動態調整，以及神經網絡閾值和權值動態訓練協調起來，從全局的角度對神經網絡的各層神經元的連接權、閾值、網絡結構進行動態優化；

步驟二、對步驟一優化后的拓撲結構中的參數進行賦值并計算，得到改進神經網絡算法預報的軋制力計算值與實際值的偏差F_NN；

步驟三、采用傳統數學模型和改進神經網絡算法相結合的預報模型形式，利用公式F=F₀+F_NN獲得中厚板軋制力設定值F，其中F₀為傳統數學模型得到的軋制力計算值。

按上述方案，所述的步驟一的具體步驟為：

列出所有可能存在的神經元，并將各神經元之間所有可能的網絡連接形式、神經元之間的權值和閾值，編碼成實數碼串；

生成多個實數碼串后，采用遺傳算法對實數碼串進行最優化尋優，在尋優過程中通過實數碼串解碼成的神經網絡輸出的平均誤差作為個體適應度。

按上述方案，所述的步驟二中對步驟一優化后的拓撲結構中的參數進行賦值，

其中輸入層共有以下10個：軋件入口厚度、壓下率、工作輥直徑、軋件入口寬度、軋件出口寬度、軋制速度、軋件溫度、C含量、Mn含量、Si含量；

輸出層只有一個節點，為數學模型軋制力計算值與實際值的偏差F_NN；

選擇隱層節點個數p為最大可能值即p(max)=2*m+2*q，其中m為輸入層節點個數，q為輸出層節點個數，在尋優過程中將隱層的節點個數逐漸減小，最終獲得最優隱層的節點個數；輸入層與隱層的連接權數為m*p(max)，輸出層與隱層的連接權數為q*p(max)；

設計的實數碼串為：輸入層到神經網絡單隱層的網絡權值X_ij；隱層的節點數H=1，....，p；單隱層到神經網絡輸出層的網絡權值Y_jk；隱層的閾值σ_j；輸出層的閾值Ψ_k；其中i=1，……m，j=1，……p，k=1，……q。

本發明的有益效果為：利用改進后的神經網絡算法應用到中厚板軋制力設定值的預報中，充分考慮到影響軋制力的各參數，用神經網絡算法的結果對傳統數學模型得到的軋制力設定值進行補償，提高中厚板軋制力設定值的預報精度。

附圖說明

圖1為本發明一實施例的流程框圖。

圖2為改進型神經網絡算法的原理框圖。

圖3為改進神經網絡預報軋制力應用策略框圖。

圖4為BP網絡與改進神經網絡收斂速度對比曲線。

圖5為采用本方法得到的軋制力設定值和傳統模型預報值及實際值對比曲線。

具體實施方式

中厚板軋制過程是一個多變量的、非線性的和強耦合的復雜生產過程，其中軋制力是軋機最重要的設備參數與工藝參數。它的計算精度直接到影響軋制規程的設定精度、也影響到板厚系統和板形系統調控能力的充分發揮，也是提高中厚板頭部命中率的關鍵。但是傳統的軋制力數學模型是經驗和統計的結果，在使用過程中存在一些缺陷，無法提供足夠精度的預測值。