应用BP神经网络的单机架可逆式冷轧机弯辊力预设定研究.pdfVIP

应用BP神经网络的单机架可逆式冷轧机 弯辊力预设定 佟强吴辉徐荣丰 (北京首钢特钢板材有限责任公司北京100041) 擅要针对单机架可逆式冷轧机生产过程中，由于不同热轧生产厂的热轧板形原料性能、板形差别较大，从而造 成弯辊力预设定值和实际指标差较大的同题，利用现场生产工艺数据丰富，采用人工智能BP神经网络的方法，通 过大量数据输入进行训练，大大的提高了生产过程中弯辊力预设定值的准确性。 关键词神经网络 单机架冷轧 弯辊力 预设定 1弯辊预设定 首钢板材公司引进的意大利达涅利公司的1750mm六辊单机架冷轧机2004年末投产以来，由于所用热 轧原料供应的厂家比较杂，来料的性能、板凸度等差别很大，因此单机架冷轧机二级系统给出的弯辊力预设 定值与实际轧制过程中所采用的数值相比较准确性很难保证，且偏差较大，偏差在30％以上。 由于预设定中的偏差较大，一方面无法使用自动控制系统控制轧制过程，另一方面，也加大了操作人员 的人工操作时控制板型的难度。因此，根据目前出现的问题，考虑利用大量的现场数据。采用BP神经网络 对2个主要热轧厂生产的热轧原料在轧制过程中各个道次的弯辊力进行预设定。从而提高预设定值的准确 性。 2人工神经网路的原理与应用 从神经网络的拓扑结构来分类，可以归纳为以下四个基本形式：不含反馈的前向网络；从输出层到输人 层有反馈的前向网络：层内有反馈的前向网络；相互结台型网络[1]。 神经网络最有用的特征之一就是它具有自学习功能。通常一个神经网络模型要实现某种功能的操作， 就是要对其加以训练。所谓的训练，就是让它学会要做的事情，把这些知识记忆在网络的权值中，因此训练 或学习的实质就是网络的权值随着外界激励作自适应变化．数学上表示为： 磐=o (2—1) 网络经过训练以后，每对应一组输入都会产生一组要求的输出，训练就是相继加入输人向量，并按预定 规则谰节网络的权值，在训练过程中，网络的各权值都收敛到一确定值，以便每个输入向量都会产生一个要 求的输出向量。调节权值所遵循的预定法则就是训练算法。一般神经网络的算法有两类：即有导师的指导 学习和无导师的指导学习。 对于有导师的指导学习训练算法，不但需要UIl练用的输入向量，同时还要求与之相对应的正确输出向 量。输入向量和对应的输出向量共同称为一个训练对。∞jI练一个网络通常需要多个训练对才可以完成，在 训练过程中根据当前输出与所要求的目标输出的差不断的来改变权值。这类算法中最典型的是反向误差传 播算法，即BP算法。 3 BP网络的算法 ——334—— 构如图1所示，有三个层次的神经元，即输入层、隐 含层和输出层。最左端为输入层，中间层为隐含层， 而最右端为输出层。左右层的神经元之间形成全 互相连接，每层内的神经元则没有连接。BP网络 的学习算法是有导师的误差反向传播学习算法，其 学习过程由正向传播和反向传播组成。在正向传 播过程中，输入信息由输入层经隐含层逐层传递， 并传向输出层，如果网络输出误差精度不在要求的 范围内，则转入反向传播，将误差信号沿原来的连 圈1 BP网络拓扑结构 接通路返回，并通过修改各层神经元的权值，便误 差信号最小。 4 BP神经网络的学习规则 BP神经网络的学习规则。即权值和阚值的调节规则采用的是误差反向传播算法(BP算法)。BP算法实 权值和闽值通常是沿着网络误差变化的负梯度方向进行调节的，最终使网络误差达到极小值或最小值，即在 这一点误差梯度为零。 4．1 BP神经网络的训练和仿真 在BP神经网络生成和初始化以后，即可利用现有的“输入一目标”样本矢量数据对网络进行训练。BP 网络的训练通常采用train函数来完成。针对不同的问题，在训练之间有必要对网络的训练参数 net．trainparam进行适当的设置。表1列出了网络对象的一些主要训练参数及含义[2】[“。 表1几个主要的神经网络训练参数及音义 在设置完训练参数之后，就可以调用train函数对BP网络进行训练。train函数的常用格式如下： [net