[發(fā)明專利]一種基于數(shù)據(jù)驅(qū)動(dòng)的熱軋板凸度預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811442099.5
• 申請(qǐng)日: 2018-11-29
• 公開（公告）號(hào): CN109558677A
• 公開（公告）日: 2019-04-02
• 發(fā)明（設(shè)計(jì)）人: 孫杰;鄧?yán)^飛;魏臻;單鵬飛;胡耀輝;彭文;丁敬國(guó);張殿華
• 申請(qǐng)（專利權(quán)）人: 東北大學(xué)
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50;G06N3/08;G06N3/12
• 代理公司: 沈陽(yáng)東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 朱光林

1.一種基于數(shù)據(jù)驅(qū)動(dòng)的熱軋板凸度預(yù)測(cè)方法，其特征在于，包括以下步驟：

步驟1：采集帶鋼的生產(chǎn)數(shù)據(jù)，包括鋼卷號(hào)、生產(chǎn)時(shí)間、中間坯厚度、F1～F6機(jī)架的軋制力、F1～F6機(jī)架的彎輥力、F1～F6機(jī)架的竄輥量、軋后帶鋼的寬度、軋后帶鋼的厚度、軋后帶鋼的凸度、精軋入口溫度以及終軋溫度；

步驟2：對(duì)采集到的生產(chǎn)數(shù)據(jù)進(jìn)行預(yù)處理，包括去除異常值、平滑處理和歸一化；

步驟3：建立單隱層神經(jīng)網(wǎng)絡(luò)模型；

步驟4：采用快速非支配排序遺傳算法對(duì)單隱層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，具體步驟如下：

步驟4.1：設(shè)置最大進(jìn)化代數(shù)G_max，并令當(dāng)前進(jìn)化代數(shù)G＝1；

步驟4.2：根據(jù)訓(xùn)練函數(shù)對(duì)單隱層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，再將預(yù)處理后的生產(chǎn)數(shù)據(jù)輸入到訓(xùn)練后的單隱層神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行預(yù)測(cè)并輸出預(yù)測(cè)結(jié)果；

步驟4.3：計(jì)算單隱層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差；

步驟4.4：采用二進(jìn)制編碼法將單隱層神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值轉(zhuǎn)換成為0和1組成的數(shù)字串；

步驟4.5：隨機(jī)產(chǎn)生一個(gè)由n個(gè)個(gè)體組成的種群，由該種群代表可能解的集合；

步驟4.6：對(duì)種群中的每個(gè)個(gè)體p進(jìn)行快速非支配排序；

步驟4.7：將所選取的個(gè)體組成為新的種群，并進(jìn)行遺傳操作；

步驟4.8：判斷當(dāng)前進(jìn)化代數(shù)G是否小于最大進(jìn)化代數(shù)G_max，若是，則返回步驟4.2，若否，則輸出優(yōu)化后單隱層神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值，繼續(xù)步驟5；

步驟5：對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行解碼，并賦予神經(jīng)網(wǎng)絡(luò)模型，輸出經(jīng)非支配排序的遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)驅(qū)動(dòng)的熱軋板凸度預(yù)測(cè)方法，其特征在于，所述步驟2包括以下步驟：

步驟2.1：計(jì)算各生產(chǎn)數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差；

步驟2.2：對(duì)生產(chǎn)數(shù)據(jù)的異常值進(jìn)行剔除；

步驟2.3：對(duì)剔除異常值后的生產(chǎn)數(shù)據(jù)進(jìn)行平滑處理；

步驟2.4：對(duì)平滑處理后的生產(chǎn)數(shù)據(jù)進(jìn)行歸一化處理。

3.根據(jù)權(quán)利要求2所述的基于數(shù)據(jù)驅(qū)動(dòng)的熱軋板凸度預(yù)測(cè)方法，其特征在于，所述步驟2.2中對(duì)生產(chǎn)數(shù)據(jù)中的異常值進(jìn)行剔除的方式為拉衣達(dá)準(zhǔn)則，具體方式為對(duì)滿足如下公式的生產(chǎn)數(shù)據(jù)進(jìn)行異常值剔除：

其中，x_i為第i個(gè)生產(chǎn)數(shù)據(jù)，是生產(chǎn)數(shù)據(jù)的平均值，S_x是生產(chǎn)數(shù)據(jù)的標(biāo)準(zhǔn)差。

4.根據(jù)權(quán)利要求2所述的基于數(shù)據(jù)驅(qū)動(dòng)的熱軋板凸度預(yù)測(cè)方法，其特征在于，所述步驟2.3中對(duì)剔除異常值后的生產(chǎn)數(shù)據(jù)進(jìn)行平滑處理的方式是采用5點(diǎn)3次平滑法，具體公式如下：

其中，Y_i是第i個(gè)剔除異常值后的生產(chǎn)數(shù)據(jù)，是Y_i平滑后的值。

5.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)驅(qū)動(dòng)的熱軋板凸度預(yù)測(cè)方法，其特征在于，所述步驟3包括以下步驟：

步驟3.1：采用經(jīng)驗(yàn)公式計(jì)算經(jīng)驗(yàn)值，然后在經(jīng)驗(yàn)值±50％的區(qū)間范圍內(nèi)進(jìn)行遍歷搜索，獲得隱含層神經(jīng)元節(jié)點(diǎn)數(shù)n；

步驟3.2：遍歷搜索0.1～0.5，確定單隱層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率lr；

步驟3.3：兩兩組合purelin、logsig和tansig 3種傳遞函數(shù)，產(chǎn)生9種組合，分別測(cè)試并選取單隱層神經(jīng)網(wǎng)絡(luò)隱含層和輸出層的傳遞函數(shù)；

步驟3.4：遍歷常用的方法，選擇單隱層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)。