[發(fā)明專利]一種軋制過程彎輥力的預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202010975343.5
• 申請日: 2020-09-16
• 公開（公告）號: CN112170502A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計）人: 王振華;劉元銘;王濤;郝平菊;龔殿堯;張殿華;任忠凱
• 申請（專利權(quán)）人: 太原理工大學(xué)
• 主分類號: B21B37/38
• 分類號: B21B37/38
• 代理公司: 太原申立德知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 14115
• 代理人: 程園園

1.一種軋制過程彎輥力預(yù)測方法，其特征在于：包括以下步驟：

步驟1：分層別采集軋制生產(chǎn)過程中的m塊帶鋼生產(chǎn)數(shù)據(jù)，每一塊帶鋼包含有p個與彎輥力設(shè)定相關(guān)的軋制參數(shù)，將每一塊帶鋼用一個p維向量進(jìn)行表示；

步驟2：采用統(tǒng)計學(xué)3σ原則對各層別的生產(chǎn)數(shù)據(jù)進(jìn)行降噪處理，處理后得到N塊帶鋼樣本數(shù)據(jù)；

步驟3：將降噪后的含有N塊帶鋼生產(chǎn)數(shù)據(jù)的樣本集在保持不同層別帶鋼數(shù)據(jù)分布均勻性的前提下，按個數(shù)比4:1劃分為訓(xùn)練集和測試集兩個集合；

步驟4：將降噪后訓(xùn)練集所包含的各層別的生產(chǎn)數(shù)據(jù)構(gòu)成觀測值矩陣，并對觀測值矩陣進(jìn)行標(biāo)準(zhǔn)化變換獲得訓(xùn)練集樣本數(shù)據(jù)的標(biāo)準(zhǔn)化矩陣；

步驟5：將標(biāo)準(zhǔn)化矩陣作為廣義回歸神經(jīng)網(wǎng)絡(luò)模型的輸入，采用果蠅優(yōu)化算法對廣義回歸神經(jīng)網(wǎng)絡(luò)模型的光滑因子參數(shù)σ′進(jìn)行優(yōu)化；

步驟6：采用優(yōu)化獲得的最優(yōu)光滑因子參數(shù)σ′構(gòu)造基于廣義回歸神經(jīng)網(wǎng)絡(luò)的彎輥力數(shù)據(jù)驅(qū)動預(yù)測模型；

步驟7：用訓(xùn)練集樣本數(shù)據(jù)訓(xùn)練廣義回歸神經(jīng)網(wǎng)絡(luò)彎輥力數(shù)據(jù)驅(qū)動預(yù)測模型，用測試集樣本數(shù)據(jù)測試廣義回歸神經(jīng)網(wǎng)絡(luò)彎輥力數(shù)據(jù)驅(qū)動預(yù)測模型的泛化性能；

步驟8：評價基于廣義回歸神經(jīng)網(wǎng)絡(luò)彎輥力數(shù)據(jù)驅(qū)動預(yù)測模型的整體性能。

2.根據(jù)權(quán)利要求1所述的一種軋制過程彎輥力預(yù)測方法，其特征在于：所述層別按照鋼種、終軋帶鋼寬度和終軋帶鋼厚度進(jìn)行劃分。

3.根據(jù)權(quán)利要求2所述的一種軋制過程彎輥力預(yù)測方法，其特征在于：所述步驟4將降噪后訓(xùn)練集所包含的各層別的生產(chǎn)數(shù)據(jù)構(gòu)成觀測值矩陣，并對觀測值矩陣進(jìn)行標(biāo)準(zhǔn)化變換獲得訓(xùn)練集樣本數(shù)據(jù)的標(biāo)準(zhǔn)化矩陣的具體方法是：把每一塊帶鋼的生產(chǎn)數(shù)據(jù)看成一個p維向量，X＝(X₁,X₂,…,X_p)，X為輸入變量的觀測值矩陣，p代表與彎輥力設(shè)定相關(guān)的軋制參數(shù)的個數(shù)，n代表訓(xùn)練集樣本個數(shù)，觀測值矩陣表示為：

輸出變量的生產(chǎn)數(shù)據(jù)Y的觀測值矩陣表示為：

經(jīng)標(biāo)準(zhǔn)化變換后獲得標(biāo)準(zhǔn)化矩陣表示為：

標(biāo)準(zhǔn)化的公式為：

其中，max(a_i)和min(a_i)分別代表各個參數(shù)的最大值和最小值；公式(5)代表區(qū)間[0,1]標(biāo)準(zhǔn)化，公式(6)代表區(qū)間[-1,1]標(biāo)準(zhǔn)化。