[發明專利]一種基于CS-Elman神經網絡模型的熱軋板凸度預測方法

在審

• 申請號: 202210734614.7
• 申請日: 2022-06-27
• 公開（公告）號: CN115062431A
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 王曉宇;羅武藝;李旭;孫杰;張欣
• 申請（專利權）人: 東北大學秦皇島分校
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06N3/00;G06N3/04;B21B38/04;G06F111/10;G06F119/08;G06F119/14
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 王思齊

本發明公開了一種基于CS?Elman神經網絡模型的熱軋板凸度預測方法，涉及軋制過程自動化生產技術領域。在板帶熱連軋過程中，板凸度、板厚度及板寬度是衡量板帶產品質量和尺寸精度是否合格的重要標準，而三者之間往往互相影響，要實現板凸度的精確控制，需要在板厚度及寬度精確控制的基礎上進行。本發明使用Elman算法實現對板厚度和寬度的預報，并采用CS算法優化Elman的各層間權值和閾值，然后將板厚度和寬度也作為輸入量，進而實現板凸度的在線預報，具有參數少、操作簡單、易實現、尋優能力強、可收斂于全局最優等優點，為提高熱軋板凸度的預測精度提供了新方法。

技術領域

本發明公開了一種基于CS-Elman神經網絡模型的熱軋板凸度預測方法，涉及軋制過程自動化生產技術領域。

背景技術

板形是衡量帶鋼產品質量的指標之一，通常衡量板形好壞的指標主要是板凸度，有效控制帶鋼板凸度不但可以防止如楔形等缺陷的出現，而且能夠保證帶鋼平直度。隨著用戶對于產品質量的要求日益提高，一般的板形控制方法，已經很難滿足其要求，因此，根據生產過程數據對帶鋼出口凸度提前進行準確預測，對于實現帶鋼板凸度的精準控制具有非常重要的意義。

目前板凸度計算模型通過復雜的數學關系建立，模型極為復雜，而且模型系數往往根據經驗并通過反復地調參確定，使得調試人員的工作量大，且效率低下，而且隨著軋制設備的更新，其影響因素也在增加，板凸度數學模型的精度已經遠遠不能滿足實際需求，這樣的生產狀況成為企業急需解決的問題。而國內熱連軋生產線大都具有完備的數據采集和存儲系統，但現場數據大部分未能進行有效的開采、挖掘、加工，沒有產生應有的價值，在數據中挖掘板凸度的規律，能夠極大降低時間成本與建模復雜度，并且提升預測精度。

板凸度、板厚度及板寬度作為衡量板帶尺寸精度的重要標準，三者之間互相影響較大。對軋制過程的下一卷帶鋼進行板凸度預測時，由于此時板厚度和寬度未知，傳統的預測手段僅將軋制過程特征參數作為輸入值，忽略板厚度和寬度這兩個重要因素的影響，往往不能實現準確的板凸度預報。

發明內容

針對上述現有技術存在的不足，本發明提供了一種基于CS-Elman神經網絡模型的軋制過程熱軋板凸度預測方法，該網絡能夠存儲和利用過去時刻輸出信息，具有參數少、操作簡單、易實現、尋優能力強、可收斂于全局最優等優點。

本發明的方法包括以下步驟：

S1、利用生產現場現有的監測裝置采集數據，提取熱連軋生產現場監測裝置采集的歷史數據中，與熱軋板凸度、厚度及寬度有關的特征參數，特征參數主要包括各個機架的軋制力、軋制速度、彎輥力、輥縫值、竄輥量，以及軋制的入口溫度、出口溫度等，還可以包括其他影響熱軋板最終板形的特征參數。另外還要提取采用相應特征參數所生產的熱軋板的實際凸度、厚度和寬度值。

S2、對采集的數據進行歸一化處理。

歸一化處理可采用以下公式：

對于某一種數據，比如軋制的入口溫度數據，min為采集的所有樣本數據中的最小值，max為采集的所有樣本數據中的最大值，x_i為要進行歸一化的第i個樣本數據，是第i個數據進行歸一化后的映射數值。歸一化的效果是原始數據被規整到[0,1]范圍內，消除量綱的影響。

在進行數據歸一化之前，可以按照以下步驟2.1～2.4中的方法，針對每一種特征參數數據或實際凸度、厚度、寬度值數據，進行以下預處理：

S2.1計算所有樣本中某種數據(例如入口溫度數據)的平均值與標準差：

所述為該種數據的平均值，S_x為該種數據的標準差，n為該種數據的個數，x_i為第i個數據；