基于神经网络热连轧精轧机组轧制力高精度预报

《基于神经网络热连轧精轧机组轧制力高精度预报》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于神经网络的热连轧精轧机组轧制力高精度预报吕　程　王国栋　刘相华　姜正义　朱洪涛(东北大学)袁建光　解　旗(宝山钢铁(集团)公司)摘　要　以实测数据为基础，在精轧预设定中采用BP神经网络的方法取代传统的轧制力数学模型，并对神经网络输入项和训练样本进行分析，提出改善神经网络预报精度的一些方法。预报结果和实测数据比较表明，预报精度有较大的提高。为满足现场要求提出神经网络预报轧制力在线应用方案。关键词　BP神经网络　轧制力预报　热连轧HIGH-PRECISIONPREDICTIONOFROLLINGLOADOFFINISHING

2、STANDSWITHNEURALNETWORKSLCheng　WANGGuodong　LIUXianghua　JIANGZhengyi　ZHUHongtao(NortheasternUniversity)YUANJianguang　XIEQi(BaoshanIronandSteelCorp.)ABSTRACT　Onthebasisofthemeasureddataofthe2　050mmhotstripmill,theneuralnetworkshavebeenusedforpredictionofrollingloadin

3、steadoftraditionalmodelsforpre-settingfinishingstands.Theinputofnetworksandtrainingdatahavebeenanalyzedandsomemethodsforimprovingtheprecisionofpredictionareproposed.Thecomparisonofthemeasuredvaluesandthepredictedvaluesshowthatthemethodsareverygood.Inordertosatisfyt

4、hedemandofsteelworks,aproposalofapplicationofpredictingrollingloadisgiven.KEYWORDS　BPneuralnetworks,predictionofrollingload,hotcontinuousrolling1　前言　　目前，在热连轧生产中，由于钢种的多样化、订货的小批量化以及对尺寸精度要求的不断提高，要求精轧机预设定更加灵活和准确。为了提高预设定计算的精度，尤其是改变钢种或规格后第一块带钢的精度，有必要对预设定模型的核心——轧制力预报进行改进，

5、使之能准确地预报各种工艺和钢种条件下的轧制力。　　近年来，神经网络研究得到迅速发展，对许多领域都有重要影响。神经网络应用于轧制自动化也将是一个重要的研究方向。本文从工艺角度出发，对神经网络输入项和训练样本进行分析，提出改善神经网络预报精度的一些方法，并且提出对原过程控制级程序不作太多修改的神经网络在线应用方案。2　2050mm热连轧精轧轧制力在线设定模型　　未考虑轧辊压扁影响的轧制力模型为F＝αF0＝α1α2R(t)H(h)N(T)bε式中　　F——轧制力/kN；α——遗传因数，α＝α1α2，α1为材料相关遗传因数，α2为机

6、架相关遗传因数；F0——模型轧制力(遗传因数为1时的轧制力)/kN；R(t)——温度t对轧制力影响因数；H(h)——厚度h对轧制力影响因数；N(T)——张力T对轧制力的影响因数；b——入口宽度/mm；ε——相对压下率；R——轧辊半径/mm；R0——参考轧辊半径/mm。　　α1、α2存储在遗传因数文件中，其准确程度将直接影响到轧制力的预报精度。每轧完一块带钢后进行后计算，通过实测值确定新的α1、α2，并存储。然后按常用的遗传方法，由后续的带钢继承这些数值。通过这种遗传不断改变α1、α2来修正轧制力预报值。当连续轧制几块同一钢种

7、和规格的带钢后，通过修正α1、α2可以使预报的轧制力非常接近实际轧制力。但是，改变钢种或规格后的第一块带钢由于选用的α1、α2不够准确，其预报的轧制力与实际轧制力相差很大。这是精轧轧制力在线设定模型的主要缺陷之一。3　应用BP神经网络预报轧制力　　误差反向传播的前馈式神经网络(简称BP神经网络)是目前使用最广泛的一种人工神经网络。它具有结构简单、工作状态稳定等优点。因此，本研究采用此种神经网络。　　本研究利用2　050mm热连轧精轧过程机数据，用BP神经网络进行离线训练和预报。训练样本中有3　250块带钢的数据，其中包括现场

8、所有的质量级(变形抗力相近的钢种划分为一个质量级)、厚度级和宽度级。并对训练样本进行分析，排除了检测误差较大的数据。另外选取有代表性的40块带钢的数据作为预报样本，即训练样本中不包含预报样本，这样预报结果更具有普遍意义。　　由于轧制力预报是在带钢进入精轧机组前进行的，已知量非常少，主要包括