基于CA-CAMC网络的轧制力自学习预报模型.pdfVIP

第40卷 第2期 冶 金 自动 化 Vo1．40No．2．p7—10 2016年 3月 MetallurgicalIndustryAutomation March2016 人工智能技术应 用 doi：10．3969／j．issn．1000-7059．2016．02．002 基于 CA—CAMC网络的轧制力 自学习预报模型 赵文姣 ，闰洪伟 ，杨 枕 ，温玉莲 ，孙祖乾 (首钢京唐钢铁联合有限责任公司冷轧部，河北 唐山063200) 摘要：为了提高轧制力 自学习模型的预报精度，将传统 自学习模型的预报轧制力及影响轧制力 的主要因素作 为网络的输入 ，利用权值更新次数 的倒数与单个样本本次激活的地址更新次数倒数和的比作为网络权值更 新的信度 ，建立了基于信度分配的小脑模型CA—CAMC网络与轧制力 自学习相结合的轧制力预报模型。通过 大量在线数据实验分析，结果表明基于 CA-CAMC网络模型的轧制力预报模型的精度高、稳定性好，能够更好 地满足实际生产中越来越高的控制精度需求。 关键词：轧制力 ；自学习模型；CA-CMAC网络 ；信度分配 ；预报模型；冷轧 文献标志码：B 文章编号 ：1000-7059(2016)02-0007-04 Self-learningpredictionmodelofrollingforce basedonCA．CAM C network ZHAOWen-jiao，YANHong-wei，YANGZhen，WENYu-lian，SUNZu—qian (ColdMetalDept．，ShougangJingtangUnitedIronandSteelCompany，Tangshan063200，China) Abstract：In ordertoimprovepredictionprecision，therollingforceoftraditionalself-learningmodel andthemajorfactorsaffectrollingforceareusedasinputsoftheCA—CAMCnetwork，andtheratioof thereciprocalofaddresscellupdatetimesandthereciprocalsum ofupdatetimesofalladdresscells thatareactivatedbysinglesampleisdefinedasthecreditofnetworkweightupdate，then themodel ofrollingforcepredictionisestablishedbycombiningthetraditionalrollingforceself-learningmodel andtheCA—CAMC networksbasedon creditassignment．Theexperimentshowsusingtheproposed modelinthepapercanattainabetteraccuracyandstability，itcanbettermeettheincreasinglyhigh demandofcontrolaccuracy． Keywords：roilingforce；self-learningmodel；CA—CMAC network；creditassignment；predictionmod- el；coldrolling O 引言 工艺控制精度起着至关重要的作用 ¨]。而轧制 近年来 ，随着冷轧产品带钢厚度需求越来越 过程是受多种因素影响的非线性、耦合、实时性 薄，板形质量要求越来越高，轧机基本设定模型 的复杂过程 ，因此按照传统数理