宝钢IF钢大生产产品性能预测.pdf

第23卷第l期 北 京 科 技 大 举 学 报 Vbl．23№．1 2呻1年2月 Joum耵ofuⅡive一时ofsd即雌蛐d1岫no】o盯B删ing Feb．2帅l 宝钢IF钢大生产产品性能预测 初元璋 祁鹏 张娅 北京科技大学材料科学与工程学院，北京100083 摘 要 以BP算法为基础开发了ANN学习预测系统．用于宝钢Ⅲ钢大生产产品性能预测． 同时．应用在宝钢IF钢大生产数据对该系统进行了测试和分析，并与多元线性回归结果进行预 测精度比较．结果表明-ANN学习预测系统，除西。误差较高(9．O％)外，西，d，r和n值均《．0％，且 比多线性回归方法精度高． 关t词 BP算法；口钢：性能预测 分类号1u335．5 自1995年宝钢Ⅲ钢投人大生产以来，已达冶金学研究和对IF钢大生产数据分析的深入， 到年产10万t的水平．但是在IF钢生产中还以及IF钢系列新品种的不断开发，对影响口钢 存在着一定问题，主要表现是产品的质量不稳 性能的因素和所关心的Ⅲ钢的性能认识会有 定．由于Ⅲ钢的生产过程中影响IF钢最终产品 所变化m，这将会导致BP网络的输入、输出节点 性能的因素较多，而且各影响因素对性能的影 的个数和各个节点所代表的物理意义的变化． 响和各因素之间的相关作用复杂，目前还没有 因此，在设计BP网络的拓扑结构和数据结构 得到可靠的数学模型，无法在生产过程中准确 时，应使各层的节点数可以随所处理数据的组 地预测产品性能和产品可能会出现的性能问 成的变化而变化． 题，进而在后序生产过程中应采取相应的补救 Ⅲ钢大生产过程中采集的数据量大，且不 措施． 断有新数据加入．因此，在设计BP网络时，应使 本文研究开发了预测精度较高的ANN系 其具有随时添加可学习样本的能力．此外，为了 统，采用较为合理的方法对这些数据进行处理， 尽可能地减小BP算法学习和预测的误差。在网 实现巧钢太生产产品性能的预测，用于生产和 络的数据结构和拓扑结构设计中除了要便于误 产品质量的控制． 差的计算和权值的修正外，还要设法使样本数 据的归一、样本随机排序简单易行． 1 BP网络的设计与实现 为了实现上述目的，在实现BP网络时，采 BP网络作为最常用的一种人工神经元网 用了以下的处理方法： 络算法，具有很强的函数逼近能力和自学习、自 (1)所有样本数据和网络节点均采用链表 组织能力，可以在没有数学模型的条件下，根据 结构．例如，输入层每个节点就是输入层链表的 可靠的数据建立起自变量与因变量问的映射关 一个节点，其数据结构如图1所示． 系，因而比较适合于Ⅲ钢大生产产品性能的预 这样，每个节点中记录了可以找到下一个 测．同时，BP网络是人工神经网络中应用最为 节点的信息．如果在程序中记下了输入层的第 成熟和广泛的一种算法…，应用该算法解决Ⅲ 一个节点，就可以按顺序找到每一个输入层节 钢大生产产品性能预测的问题是可行的． 点．同样，输人数据、输出数据、隐层节点、输出 IF钢大生产中，影响最终产品性能的因素 层节点均采用类似的数据结构．这样既可以方 (包括：化学成分、各个工序工艺参数、