[發明專利]基于PSO-LM-BP神經網絡的帶鋼冷軋橫向厚差預報方法

有效

• 申請號: 201910316881.0
• 申請日: 2019-04-19
• 公開（公告）號: CN110110839B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 王東城;徐揚歡;黃陽陽;張桐源;楊光;劉宏民
• 申請（專利權）人: 燕山大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/04;G06N3/08;B21B37/16;B21B37/28
• 代理公司: 北京孚睿灣知識產權代理事務所(普通合伙) 11474
• 代理人: 王冬杰

1.一種基于PSO-LM-BP神經網絡的帶鋼冷軋橫向厚差預報方法，其特征在于：包括以下執行步驟：

S1、獲取PSO-LM-BP神經網絡的訓練樣本；

S11：確定軋制工藝參數，具體包括：軋制道次數n，來料厚度h₀，各道次出口厚度h_i，各道次軋制力P_i，各道次工作輥彎輥力S_1i，各道次中間輥彎輥力S_2i和各道次中間輥串輥量Δ_i，其中i＝1～n；

S12：確定軋制設備參數，具體包括：各道次支撐輥直徑D_bi和長度L_bi，各道次中間輥直徑D_mi和長度L_mi，各道次工作輥直徑D_wi與長度L_wi，各道次壓下油缸中心距L_yi，各道次中間輥彎輥缸間距L_s1i和各道次工作輥彎輥缸間距L_s2i，其中i＝1～n；

S13：確定描述帶鋼熱軋來料斷面輪廓三個參數的范圍，給定距離帶鋼邊部40mm處的凸度最大值C_40max與最小值C_40min、距離帶鋼邊部40mm處的楔度最大值W_40max與最小值W_40min、距離帶鋼邊部25mm處的凸度最大值C_25max與最小值C_25min，在C_40max與C_40min之間隨機生成m個在W_40max與W_40min之間隨機生成m個以及在C_25max與C_25min之間隨機生成m個其中j＝1～m；

S14：利用模型耦合法計算第i道次帶鋼斷面輪廓

其中：f為模型耦合函數；

S15：根據軋制工藝參數S11、軋制設備參數S12、帶鋼熱軋來料斷面輪廓參數S13，利用S14方法，計算最末道次帶鋼斷面輪廓從而求得帶鋼斷面輪廓中心厚度與距離邊部15mm處厚度差值，即帶鋼冷軋橫向厚差并保存記錄下每個熱軋斷面輪廓參數與其對應的末道次冷軋橫向厚差值，即這些數據作為PSO-LM-BP神經網絡模型的訓練樣本，其中j＝1～m；

S2、建立PSO-LM-BP神經網絡帶鋼冷軋橫向厚差預報模型：

S21：根據PSO-LM-BP神經網絡建立帶鋼冷軋橫向厚差預報模型；

S22：確定BP神經網絡的結構；

S23：設定PSO算法的參數；

S24：設定LM算法的參數；

S3、PSO-LM-BP神經網絡帶鋼冷軋橫向厚差預報模型的訓練與驗證；以及

S4、PSO-LM-BP神經網絡帶鋼冷軋橫向厚差預報模型的預測。

2.根據權利要求1所述的基于PSO-LM-BP神經網絡的帶鋼冷軋橫向厚差預報方法，其特征在于：

所述S22中BP神經網絡結構的設定內容包括：采用k層神經網絡結構、由于帶鋼熱軋來料斷面輪廓的三個參數C₄₀、W₄₀、C₂₅作為網絡的輸入，冷軋后的橫向厚差作為輸出，因此網絡輸入層神經元節點數為A₁＝3，輸出層神經元節點數為A_k＝1、確定網絡隱含層的節點個數A₂,A₃…A_k-1、選取各層的激活函數、設置學習率lr以及確定小批量訓練樣本batch與訓練步數Epoch；

所述S23中PSO算法的參數設定內容包括：初始化時粒子種群規模Q、最大迭代次數n₁、最大粒子速度v_max、最小粒子速度v_min、學習因子c₁和c₂和粒子的位置區間[m₁,m₂]；

所述S24中LM算法的參數設定內容包括：誤差目標ε、阻尼系數mu、調節因子β和最大迭代次數n₂。