【2017年整理】力预报人工神经网络设定模型的开发.pdfVIP

《轧钢》990103 轧钢 STEEL ROLLING 1999年　第1期　No.1　1999 轧制力预报人工神经网络设定模型的开发 张志辉　王希哲　陈金英　王国栋　刘相华 　　摘要　研究了轧制力设定控制的人工智能实现方法。在建立训练及预测数据模式库 的基础上开发了轧制力预报人工神经网络软件,同时对实际生产中的历史数据进行了模 拟在线预报,达到了较高精度。另外,给出了一种利用人工神经网络进行模拟正交实验的 新思路。 　　关键词　人工神经网络,热轧机组,轧制力设定,模拟实验 The Model Development to Prediction Rolling Force by Using Artificial Neural Network Zhang Zhihui Wang Xizhe (Beijing General Research Institute for Nonferrous Metals,100088) Chen Jinying (Chinese Iron Steel Industry and Commerce Group Corp.,Beijing) 　　Abstract　 The artificial intelligence method to setup and control rolling force is researched. Based on the built train and prediction data bank,the artificial neural network software is developed to predictrolling force. The on-line prediction by practical data is carried out,and the predicted precision is high.Mean while,a new thought of simulation orthogonality experiment is put forward. 　　Keywords　artificialneuralnetwork,hotrollingmill,rollingforcesetup, simulationexperiment 1　前言 　　现代带材生产中,大多数热轧机组轧制力的设定计算借助于经验或统计和自适应在 线模型来实现。精轧设定功能通过计算压下量,机架速度与机架间张力,可生产出所需头- 尾精轧厚度,横断面形状和平直度的带钢。压下量（机架间厚度）计算是依据轧制力分 布来确定。带钢头尾厚度也主要取决于精轧机组设定中轧制力预报的精确性。由此可 见,轧制力的准确预测对获得所要求的末架出口厚度,特别是头尾厚度是必要的,由于轧制 过程非常复杂,轧制条件和状态不断变化,传统的设定模型很难达到精度要求。因而,开发 一个精确的在线轧制力预报模型,对准确预测各种工艺或各种金属材料条件下的轧制力 具有重要的意义。 《轧钢》990103 途径。它解决问题的方式不同于传统逻辑思维的“算法”,其“操作”具有形象思维的 属性,特别适合于处理需同时考虑许多因素,条件,不精确和模糊信息的问题。本文将讨论 用人工神经网络建立轧制力设定模型的全过程。 2　BP网络建模 　　误差反向传播的BP模型是人工神经网络模型中使用最广泛的一类,是典型的多层网 络,分为输入层,隐层和输出层,层与层之间采用全互连方式,同一层单元之间不存在相互连 接,每一层连接权值可以通过学习来调节。基本输入单元（输入层单元除外）为非线性 输入-输出关系,一般为Sigmoid型函数 t3-1.gif (515 bytes) 　　BP网络实现了多层网络学习的设想。当给定网络一个输入模式时,它由输入层单元 传到隐层单元,经隐单元逐层处理后再送到输出层单元,由输出层单元处理后产生一个输 出模式,若输出响应与期望输出有误差,那么就转