用改进遗传算法优化的带钢卷取温度预报模型-控制理论与应用.pdfVIP

第32 卷第8 期 控制 理 论 与 应 用 Vol. 32 No. 8 2015 年8 月 Control Theory Applications Aug. 2015 DOI: 10.7641/CTA.2015.50041 用用用改改改进进进遗遗遗传传传算算算法法法优优优化化化的的的带带带钢钢钢卷卷卷取取取温温温度度度预预预报报报模模模型型型 † 孙铁军 , 杨卫东 , 程艳明 , 段凤云 , 弭洪涛 (1. 北京科技大学自动化学院, 北京100083; 2. 北华大学电气信息工程学院, 吉林吉林132021; 3. 北京科技大学钢铁流程先进控制教育部重点实验室, 北京100083; 4. 北华大学信息技术与传媒学院, 吉林吉林132013) 摘要:由于热轧带钢卷取温度控制过程存在强非线性, 经典数学模型难以精确描述,我们采用遗传神经网络建立 了卷取温度预报模型, 并且通过改进的遗传算法优化了神经网络的权值. 其中, 提出了重新进化的思想, 用“返 祖”操作找回丢失的较优模式并将其耦合至下一代种群中, 极大的提高了算法的收敛速度; 分析了“种群解的空间 跨度”和“基因段距离”对种群多样性的影响, 用“优生”操作来推动算法从平面到多维空间的立体式搜索, 以勘 探和挖掘出更广、更优的寻优区间, 并在种群进化后期, 强力驱动算法收敛于全局最优. MFC(微软基类库)仿真结果 表明: 该卷取温度预报模型的收敛速度快、精度高, 满足实时在线的控制要求, 预报精度在◦ 范围之内, 能为卷 取温度的前馈补偿控制提供可靠的参考数据, 从而为进一步提高卷取温度的控制精度提供了新的途径. 关键词: 卷取温度; 遗传算法; 返祖; 基因段距离; 优生 中图分类号: TP273 文献标识码: A Improved genetic algorithm for optimizing prediction model of strip coiling temperature † SUN Tie-jun , YANG Wei-dong , CHENG Yan-ming , DUAN Feng-yun , MI Hong-tao (1. School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083, China; 2. School of Electric and Information Engineering, Beihua university, Jilin Jilin 132021, China; 3. Key Laboratory for Advanced Control of Iron and Steel Process (Ministry of Education), University of Science and Technology Beij