热镀锌锌层重量模型中神经网络地研究.pdfVIP

一 一一一LJlnc却晒第六届工业仪表与自动化学术会议论文集 ———。————。————’————。———。————’。’。。-__—_——_____——_————_—_——--—一 热镀锌锌层重量模型中神经网络的研究 ofNeuralNetworkfor Study Zinc Model Hot-DippingGalvanizingWeight 俞鸿旌 簧傅之 石墨 (宝山钢铁股份有限公司，E海200941) 摘要论述了热镀锌锌层重量模型中3种常用神经鼹络的仿真结累，并由此归纳出锌层重量模型中比较合 适的神经网络类型和激励函数的结论，适合当今先进生产的优良效果要求。 关键词 BP网络MLP网络仿真校正 AbstractSimulationsofthreeCOll咖Onneuralnetworksfor the zinc model蕾．cdescribed． hot-dippingweight Based011the these neuralnetworksandexcitationfunctionsforthe comparisonamongsimulations，appropriate zinc canmeet of hot-dippingweightmodel玳found．They withadvanced requirementsproductionprocess and high technologiesperformance。 BP network KeywordsnetworkMLP Simul砒ionCalibration 0引言 宝钢1550单元热镀锌机组引进了一套锌层重量自动控制系统。其控制框图如图l所示。 钢带速度 气刀距离 ’●●-__-_-____■_■_一I●■●■一 釜磊囊燃H令瀚 气刀菇度 气刀角度 镀层重量设定r_——————一 0气刀压宅篓壅 。 ———◆O-—叫 冷态模糊控制器 ——■》————H气刀控制设备L一 镀层重量测量(冷态)k—一镀层重量测量(热态) 图l镀层重量控制系统的控制框图 该系统是“黑匣子”。例如，气刀压力前馈控制数学模型只知道采用神经网络，但是神 经网络的类型和结构都不清楚。为了掌握系统中的关键技术，我们采用系统仿真和拟合技术 对整个系统进行了研究。本文论述了对其中的主要部分——“气刀压力前馈控制模型”的研 究。 1 确定神经网络类型 我们建立的是系统输入参数一影响气刀压力变化的主要因素与系统输出参数一气刀压 力之间的神经网络模型。初步选取输入层结点数为4个．即带钢速度、气刀距离、气刀高度、 气刀角度和镀层实际重量；输出层结点数为1个即气刀压力。 为了对神经网络进行仿真，搭建了数据采集系统。主要采集的数据有带钢速度、气刀距 离、气刀高度、气刀角度、镀层实际重量和现有模型的气刀压力设定输出 1．1采用即神经网络的模型仿真 1．1．1确定BP神经网络的结构 166 [31nc