專(zhuān)利名稱(chēng)：基于bp神經(jīng)網(wǎng)絡(luò)的熱連軋電磁感應(yīng)加熱溫度預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于自動(dòng)化技術(shù)領(lǐng)域，具體涉及一種基于神經(jīng)網(wǎng)絡(luò)的熱連軋電磁感應(yīng)加熱鋼坯溫度的預(yù)測(cè)方法。
背景技術(shù)：
在鋼鐵行業(yè)，傳統(tǒng)的煉鋼、連鑄、軋鋼工藝是各自獨(dú)立的生產(chǎn)環(huán)節(jié)。但是現(xiàn)代化的生產(chǎn)模式正在逐步轉(zhuǎn)變?yōu)椤盁掍?連鑄-軋鋼”的熱連軋一體化工藝，這就是目前國(guó)內(nèi)外普遍推崇的高集約化的熱連軋自動(dòng)生產(chǎn)線(xiàn)模式。在連鑄與連軋之間采用的加熱設(shè)備(加熱， 均熱，保溫爐)是銜接連鑄連軋生產(chǎn)線(xiàn)的關(guān)鍵設(shè)備。從工藝角度講，中間加熱設(shè)備需要在完成輸送連鑄坯的過(guò)程中對(duì)其進(jìn)行補(bǔ)熱以使鑄坯溫度均勻達(dá)到連軋溫度要求的功能，解決板坯溫度場(chǎng)不均的問(wèn)題。加熱爐作為連鑄機(jī)與連軋機(jī)兩種不同工藝速度部分之間的緩沖區(qū)，對(duì)鑄機(jī)與軋機(jī)間的物流進(jìn)行銜接、緩沖，協(xié)調(diào)二者的生產(chǎn)。由于電磁感應(yīng)加熱技術(shù)的諸多優(yōu)點(diǎn)，例如加熱速度快、功率密度可控、無(wú)污染、易于控制、氧化燒損極少等，相比于傳統(tǒng)的煤氣加熱爐，無(wú)需明火熱源，具有零排放的優(yōu)點(diǎn)，更適合在熱連軋生產(chǎn)線(xiàn)中使用。因此，大功率中頻感應(yīng)加熱器已逐步應(yīng)用于熱連軋生產(chǎn)線(xiàn)， 參見(jiàn)

圖1。由于電磁感應(yīng)加熱是一個(gè)復(fù)雜的非線(xiàn)性大滯后過(guò)程，很難建立精確的機(jī)理模型， 用常規(guī)的控制方法(如PID調(diào)節(jié))難以得到滿(mǎn)意的效果，一般采用人工經(jīng)驗(yàn)加以調(diào)試及控制。鑒于神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線(xiàn)性映射能力和良好的容錯(cuò)性，可以很好的逼近系統(tǒng)的真實(shí)狀態(tài)數(shù)據(jù)。因此，在已積累的大量感應(yīng)加熱運(yùn)行數(shù)據(jù)基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)方法建立熱連軋電磁感應(yīng)加熱溫度預(yù)測(cè)模型，對(duì)鋼坯溫度進(jìn)行預(yù)測(cè)，可為電磁感應(yīng)加熱精確控溫提供依據(jù)。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于神經(jīng)網(wǎng)絡(luò)的熱連軋電磁感應(yīng)加熱鋼坯溫度的預(yù)測(cè)方法。該方法的具體步驟是
步驟(1)選擇預(yù)測(cè)模型變量。采用神經(jīng)網(wǎng)絡(luò)技術(shù)建立熱連軋電磁感應(yīng)加熱鋼坯溫度預(yù)測(cè)模型，為保證基于數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)建模有效性，避免純黑箱建模的盲目性，首先利用機(jī)理分析和先驗(yàn)信息，合理選擇預(yù)測(cè)模型的輸入輸出變量?；跈C(jī)理分析選擇電磁感應(yīng)加熱后的鋼坯溫度為神經(jīng)網(wǎng)絡(luò)模型的輸出變量，選擇影響鋼坯溫度的主要因素為神經(jīng)網(wǎng)絡(luò)模型輸入變量①電磁感應(yīng)加熱前的鋼坯溫度；② 感應(yīng)加熱器的電壓；③感應(yīng)加熱器的電流。神經(jīng)網(wǎng)絡(luò)模型輸出變量為電磁感應(yīng)加熱后的鋼坯溫度。對(duì)于鋼坯在感應(yīng)線(xiàn)圈中受感應(yīng)加熱過(guò)程，是從鋼坯進(jìn)入線(xiàn)圈磁場(chǎng)開(kāi)始到鋼坯脫離磁場(chǎng)為止。首先，在忽略熱傳導(dǎo)、熱輻射情況下，鋼坯某一截面升溫主要是受到該過(guò)程感應(yīng)加熱器的電壓、電流作用。因此，感應(yīng)加熱器的電壓、電流均為序列變量。其次，考慮熱傳導(dǎo)、 熱輻射情況，電磁感應(yīng)加熱前后的鋼坯溫度也取序列變量。步驟⑵數(shù)據(jù)歸一化處理。訓(xùn)練樣本中的輸入數(shù)據(jù)包含三項(xiàng)，數(shù)量級(jí)相差較大，為保證各因素同等地位，加快收斂速度，對(duì)數(shù)據(jù)進(jìn)行歸一化處理，轉(zhuǎn)化為W，1]區(qū)間范圍的值
權(quán)利要求
1.基于BP神經(jīng)網(wǎng)絡(luò)的熱連軋電磁感應(yīng)加熱溫度預(yù)測(cè)方法，其特征在于該方法包括以下步驟步驟1.選擇預(yù)測(cè)模型變量，具體是利用機(jī)理分析和先驗(yàn)信息，選擇預(yù)測(cè)模型的輸入輸出變量；所述的輸入變量包括電磁感應(yīng)加熱前的鋼坯溫度、感應(yīng)加熱器的電壓和感應(yīng)加熱器的電流；所述的輸出變量為電磁感應(yīng)加熱后的鋼坯溫度； 步驟2.數(shù)據(jù)歸一化處理，具體是訓(xùn)練樣本中的輸入數(shù)據(jù)包含三項(xiàng)，數(shù)量級(jí)相差較大，為保證各因素同等地位，加快收斂速度，對(duì)數(shù)據(jù)進(jìn)行歸一化處理，轉(zhuǎn)化為W，1]區(qū)間范圍的值 其中為輸入數(shù)據(jù)中的最大值，為輸入數(shù)據(jù)中的最小值，X為輸入數(shù)據(jù)T力輸入數(shù)據(jù)歸一化處理后的值；步驟3.搭建BP神經(jīng)網(wǎng)絡(luò)框架，具體是調(diào)用MatlabR2009a神經(jīng)網(wǎng)絡(luò)工具箱中的newff函數(shù)建立BP神經(jīng)網(wǎng)絡(luò)，Net = newff (PR, [ —4]，{J^m BTF, BLF, PF ) ;Net 為 BP神經(jīng)網(wǎng)絡(luò)框架，I3R為輸入矩陣中由最大元素和最小元素決定的一個(gè)取值范圍，S為第i層神經(jīng)元的個(gè)數(shù)，TFi為第 i層的傳遞函數(shù)，W職,為神經(jīng)網(wǎng)絡(luò)總層數(shù)，BTF為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)，BLF為權(quán)值和偏置值，PF為網(wǎng)絡(luò)性能函數(shù)；步驟4.訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，具體方法是a、初始化BP神經(jīng)網(wǎng)絡(luò)，利用隨機(jī)函數(shù)產(chǎn)生的值賦值給權(quán)值和偏置值，然后調(diào)用init函數(shù)來(lái)初始化BP神經(jīng)網(wǎng)絡(luò)；b、設(shè)置網(wǎng)絡(luò)訓(xùn)練次數(shù)和訓(xùn)練目標(biāo)誤差；c、設(shè)置訓(xùn)練數(shù)據(jù)為輸入矩陣P，設(shè)置目標(biāo)值為矩陣T，調(diào)用MatlabR2009a神經(jīng)網(wǎng)絡(luò)工具箱中的train函數(shù)對(duì)BP神經(jīng)網(wǎng)絡(luò)Net進(jìn)行數(shù)據(jù)訓(xùn)練直至收斂，Net = train (Net, P, Τ)；步驟5.測(cè)試BP神經(jīng)網(wǎng)絡(luò)，具體是對(duì)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，將歷史數(shù)據(jù)組成用于電磁感應(yīng)加熱溫度預(yù)測(cè)網(wǎng)絡(luò)測(cè)試矩陣P_test，直接調(diào)用MatlabR2009a神經(jīng)網(wǎng)絡(luò)工具箱中的sim函數(shù)，D=sim(Net, P_ test)，對(duì)測(cè)試矩陣進(jìn)行仿真，其中D為目標(biāo)函數(shù)； 步驟6.數(shù)據(jù)反歸一化處理，具體是對(duì)測(cè)試所得的電磁感應(yīng)加熱后的鋼坯溫度按照公式f= OdCJ進(jìn)行反歸一化處理，其中;為反歸一化處理后的鋼坯溫度，χ為仿真測(cè)試得到的鋼坯溫度，4為鋼坯最高溫度，4為鋼坯最低溫度。
全文摘要
本發(fā)明公開(kāi)了一種基于BP神經(jīng)網(wǎng)絡(luò)的熱連軋電磁感應(yīng)加熱溫度預(yù)測(cè)方法。現(xiàn)有的預(yù)測(cè)方法依賴(lài)于人工，效率低、可靠性不好。本發(fā)明首先選擇預(yù)測(cè)模型變量，首先利用機(jī)理分析和先驗(yàn)信息，合理選擇預(yù)測(cè)模型的輸入輸出變量；其次對(duì)待輸入數(shù)據(jù)作歸一化處理；然后搭建BP神經(jīng)網(wǎng)絡(luò)，并對(duì)該神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試。最后利用該神經(jīng)網(wǎng)絡(luò)所得的數(shù)據(jù)，進(jìn)行反歸一化處理，得到預(yù)測(cè)的加熱溫度。本發(fā)明利用電磁感應(yīng)加熱器運(yùn)行歷史數(shù)據(jù)來(lái)預(yù)測(cè)鋼坯溫度，比傳統(tǒng)工程計(jì)算方法得到的預(yù)測(cè)精度高。
文檔編號(hào)G06N3/02GK102393884SQ20111030739
公開(kāi)日2012年3月28日 申請(qǐng)日期2011年10月12日 優(yōu)先權(quán)日2011年10月12日
發(fā)明者何必仕, 史興盛, 孔亞廣, 徐哲, 潘三強(qiáng) 申請(qǐng)人:杭州電子科技大學(xué)