BP神经网络模型应用于结晶器漏钢预报的研究.pdfVIP

《冶金自动化》2009年s2 BP神经网络模型应用于结晶器漏钢预报的研究 玉双明，葛秀欣，孙永利，李兆达 (中冶京诚工程技术有限公司自控工程技术所，北京100176) 摘要：连铸生产过程中，漏钢事故会严重影响生产。针对钢厂的漏钢事故，研究BP神经网络理论，应用神经元 算法参与计算，准确预报事故信息。在用钢厂实际生产数据的模拟过程中，取得较好的结果，验证了算法的有效 性和可行性。 关键词：连铸；漏钢；神经网络；BP算法 O引言 系，而无需事前揭示描述这种映射关系的数学方 钢厂生产过程中，连铸是把钢水浇铸成钢坯 程。它的学习规则是使用最速下降法，通过反向 的一个重要环节。生产中，会出现一些事故导致 传播来不断调整网络的权值和阈值，使网络的误 停浇，而漏钢就是最主要的原因之一。漏钢的成 差平方和最小。由于其结构简单、可塑性强，故在 因是在结晶器中，经常会出现坯壳被拉裂的情况， 函数逼近，模式识别，信息分类及数据压缩等领域 如果破裂口不能在出结晶器之前愈合，就会发生 得到了广泛的应用。BP神经网络模型拓扑结构 结晶器及铸坯中尚未凝固的钢水突然泄漏的事 包括输入层(input)、隐层(hidelayer)和输出层 故，这种事故称为漏钢事故(Breakout)…，严重影(output layer)，如图1所示。 响生产。目前的漏钢预报算法普遍采用热电偶测 结晶器各个位置的温度，然后通过计算，逻辑判断 各点是否漏钢，而这种算法对现场的设备、工艺和 当时的生产条件存在着极大的依赖关系，缺乏鲁 棒性，漏报或误报时有发生，因此可以考虑采用神 经网络模型针对生产数据进行计算，判断是否漏 钢。 输入层 隐层 输出层 神经网络是由大量的处理单元(神经元)互相 连接而成的网络，其信息处理通过神经元的相互 图1 BP神经网络结构示意图 作用来实现，具有强大的学习功能，在人工智能领 2训练网络 域各方面都有很多应用。 本文采用MatLab工具针对实际生产数据进 本文采用BP网络训练模拟，通过输入数据和 行模拟仿真。通过电偶测温方法得到结晶器各点 输出数据训练网络，使误差函数达到最小，然后用 温度，计算各电偶温度梯度值，结合根据实际生产 训练好的网络模拟实际值，计算输出，与实际生产 情况设定的漏钢系数作为输入，然后建立网络模 对比，得到比较理想的结果。． 型，训练网络，得到准确的网络参数，同时计算漏 1 BP网络介绍 钢系数，与设定值进行对比。根据训练后的网络 BP(BackPropagation)网络是1986年由 测试其他几组实际生产的电偶温度梯度，以验证 RumelhaJt和McCeⅡand为首的科学家小组提出， 网络的准确性。 是一种按误差逆传播算法训练的多层前馈网络， 输入： 是目前应用最广泛的神经网络模型之一。BP网 (1)国内某钢厂实际生产数据，在30s内，共 络能学习和存贮大量的输入一输出模式映射关 120组，一组3个值，对应一列(3个)热电偶的温 收稿日期：2009稍旬l 作者简介：玉双明(1979-)，男，天津人，工程师，硕士，主要从事连铸生产动态二冷模型、漏钢预报研究及开发方面的工作。