基于bp神經(jīng)網(wǎng)絡(luò)的高速冷軋機(jī)第三倍頻程顫振預(yù)測(cè)方法
【專利摘要】一種基于BP神經(jīng)網(wǎng)絡(luò)的高速冷軋機(jī)第三倍頻程顫振預(yù)測(cè)方法，是一種利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)高速冷軋機(jī)軋制過(guò)程中機(jī)架振動(dòng)情況的方法，屬于材料工程計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)技術(shù)控制領(lǐng)域。本發(fā)明引入了附加動(dòng)量法和共軛梯度法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。附加動(dòng)量法可解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)應(yīng)用中的網(wǎng)絡(luò)局部極小問(wèn)題，有效提高算法的精度，提高網(wǎng)絡(luò)學(xué)習(xí)能力。由于網(wǎng)絡(luò)參數(shù)較多，考慮到存儲(chǔ)容量較大、收斂速度慢的問(wèn)題，選用了共軛梯度法，從而獲得良好的訓(xùn)練效果，有效的應(yīng)用于高速冷軋機(jī)的第三倍頻程顫振預(yù)測(cè)，指導(dǎo)生產(chǎn)。
【專利說(shuō)明】基于BP神經(jīng)網(wǎng)絡(luò)的高速冷軋機(jī)第三倍頻程顫振預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于BP神經(jīng)網(wǎng)絡(luò)的高速冷軋機(jī)第三倍頻程顫振預(yù)測(cè)方法，一種利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)高速冷軋機(jī)軋制過(guò)程中機(jī)架振動(dòng)情況的方法，屬于材料工程計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)技術(shù)控制領(lǐng)域。
【背景技術(shù)】
[0002]鋼材在國(guó)民經(jīng)濟(jì)發(fā)展中占有重要地位。在工業(yè)生產(chǎn)、交通運(yùn)輸、國(guó)防、航空航天等重大領(lǐng)域鋼材有著廣泛的應(yīng)用。軋鋼機(jī)運(yùn)行中的振動(dòng)問(wèn)題是限制行業(yè)產(chǎn)量和質(zhì)量提高的主要障礙之一。預(yù)測(cè)軋機(jī)的垂直振動(dòng)情況對(duì)板帶厚度、精度，對(duì)提高鋼材的生產(chǎn)質(zhì)量有重大意義。對(duì)提高軋機(jī)設(shè)備的生產(chǎn)率、提高設(shè)備的維護(hù)管理水平也具有很好的指導(dǎo)作用。
[0003]軋機(jī)垂直振動(dòng)開(kāi)始于上個(gè)世紀(jì)七十年代，隨著軋制速度的不斷提高，軋機(jī)垂直振動(dòng)現(xiàn)象逐漸引起人們的重視。第一類垂直振動(dòng)的頻率范圍在150~350Hz，又稱為第三倍頻程顫振，主振型是兩工作輥反向運(yùn)動(dòng)，會(huì)造成明顯的帶鋼厚度差等缺陷，嚴(yán)重時(shí)甚至造成斷帶等事故。
[0004]面對(duì)高速冷軋機(jī)機(jī)架振動(dòng)故障預(yù)測(cè)的非線性、非平穩(wěn)動(dòng)態(tài)問(wèn)題，傳統(tǒng)的線性化處理方法欠佳。神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法具有自學(xué)習(xí)功能，可通過(guò)對(duì)過(guò)去的歷史數(shù)據(jù)的學(xué)習(xí)，訓(xùn)練出一個(gè)具有歸納全部數(shù)據(jù)的特定神經(jīng)網(wǎng)絡(luò)，其非線性的分析處理方法在故障預(yù)測(cè)方面頗有前景。傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法在對(duì)預(yù)測(cè)問(wèn)題中存在的網(wǎng)絡(luò)具有易陷入局部極小、收斂速度慢的缺陷，因此，需提出一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型用于高速冷軋機(jī)振動(dòng)故障的預(yù)測(cè)。

【發(fā)明內(nèi)容】

[0005]本發(fā)明目的是解決傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法存在網(wǎng)絡(luò)局部極小、收斂速度慢的問(wèn)題，降低第三倍頻程顫振對(duì)軋制產(chǎn)品質(zhì)量的影響，提供一種基于BP神經(jīng)網(wǎng)絡(luò)的高速冷軋機(jī)第三倍頻程顫振的預(yù)測(cè)方法。
[0006]本發(fā)明提供的基于BP神經(jīng)網(wǎng)絡(luò)的高速冷軋機(jī)第三倍頻程顫振預(yù)測(cè)方法，選用三層BP神經(jīng)網(wǎng)絡(luò)為原型，引入附加動(dòng)量法和共軛梯度法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，可快速、準(zhǔn)確的預(yù)測(cè)第三倍振頻的出現(xiàn)，減少故障發(fā)生，為后續(xù)研究提供理論依據(jù)，具體包括:
[0007](I)數(shù)據(jù)采集與處理:在生產(chǎn)過(guò)程的預(yù)測(cè)中，將軋制力、軋制速度、壓下量、帶鋼厚度、張力作為神經(jīng)網(wǎng)絡(luò)的輸入，選取實(shí)際生產(chǎn)過(guò)程中記錄的相應(yīng)數(shù)據(jù)作為訓(xùn)練樣本，包括軋制力、軋制速度、壓下量、帶鋼厚度、張力和通過(guò)遠(yuǎn)程監(jiān)測(cè)設(shè)備獲取的同一時(shí)段的軋機(jī)振動(dòng)數(shù)據(jù)；
[0008]對(duì)所述訓(xùn)練樣本數(shù)據(jù)采用歸一化處理，將需要數(shù)據(jù)和目標(biāo)數(shù)據(jù)落入[0，I]區(qū)間，避免因?yàn)檩斎胼敵鰯?shù)據(jù)數(shù)量級(jí)差別較大而造成BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差較大，歸一化公式為:
[0010]式中Pn為歸一化后的數(shù)據(jù)，Pn原始數(shù)據(jù)，Pmin為數(shù)據(jù)序列中的最小數(shù)，Pmax為序列中的最大數(shù)；
[0011](2)建立改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型:同時(shí)引入附加動(dòng)量法和共軛梯度法對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行改進(jìn)；在反向傳播法的基礎(chǔ)上，在每一個(gè)權(quán)值的變化上加上一項(xiàng)正比于前次權(quán)值變化量的值，再依據(jù)反向傳播產(chǎn)生新的權(quán)值變化；包含附加動(dòng)量因子的權(quán)值調(diào)節(jié)公式為
[0012]Δ ω Ij (k+1) = (I — me) η δ i χ j+mc Δ ω Ij (k)
[0013]Δ bi (k+1) =(1— mc)n5 j+mc Δ bi (k)
[0014]式中:i為隱含層數(shù)；j為隱含層節(jié)點(diǎn)數(shù)；k為訓(xùn)練次數(shù)；Λ ω為權(quán)值的增量；η為學(xué)習(xí)速率；δ為網(wǎng)絡(luò)學(xué)習(xí)誤差；Χ為神經(jīng)輸入；mc為動(dòng)量因子，一般取0.95左右；
[0015]在使用附加動(dòng)量法改進(jìn)的同時(shí)引用共軛梯度法，先沿著負(fù)梯度方向進(jìn)行搜索，然后再沿當(dāng)前搜索方向的共軛方向進(jìn)行搜索，可以迅速達(dá)到最優(yōu)值；選取Fletcher-Reeves共軛梯度的形式為:
[0016]
【權(quán)利要求】
1.一種基于BP神經(jīng)網(wǎng)絡(luò)的高速冷軋機(jī)第三倍頻程顫振預(yù)測(cè)方法，其特征在于選用三層BP神經(jīng)網(wǎng)絡(luò)為原型，引入附加動(dòng)量法和共軛梯度法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，能夠快速、準(zhǔn)確的預(yù)測(cè)高速冷軋機(jī)第三倍振頻的出現(xiàn)，及時(shí)采取措施減少故障發(fā)生，具體包括: (1)數(shù)據(jù)采集與處理:在生產(chǎn)過(guò)程的預(yù)測(cè)中，將軋制力、軋制速度、壓下量、帶鋼厚度、張力作為神經(jīng)網(wǎng)絡(luò)的輸入，選取實(shí)際生產(chǎn)過(guò)程中記錄的相應(yīng)數(shù)據(jù)作為訓(xùn)練樣本，包括軋制力、軋制速度、壓下量、帶鋼厚度、張力和通過(guò)遠(yuǎn)程監(jiān)測(cè)設(shè)備獲取的同一時(shí)段的軋機(jī)振動(dòng)數(shù)據(jù)； 對(duì)所述訓(xùn)練樣本數(shù)據(jù)采用歸一化處理，將需要數(shù)據(jù)和目標(biāo)數(shù)據(jù)落入[O，I]區(qū)間，避免因?yàn)檩斎胼敵鰯?shù)據(jù)數(shù)量級(jí)差別較大而造成BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差較大，歸一化公式為:
P — P Il P Hllll
P max P min 式中Pn為歸一化后的數(shù)據(jù)，Pn原始數(shù)據(jù)，Pmin為數(shù)據(jù)序列中的最小數(shù)，Pmax為序列中的最大數(shù)； (2)建立改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型:同時(shí)引入附加動(dòng)量法和共軛梯度法對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行改進(jìn)；在反向傳播法的基礎(chǔ)上，在每一個(gè)權(quán)值的變化上加上一項(xiàng)正比于前次權(quán)值變化量的值，再依據(jù)反向傳播產(chǎn)生新的權(quán)值變化；包含附加動(dòng)量因子的權(quán)值調(diào)節(jié)公式為
Δ ω Ij (k+1 ) = (I — me) η SiX j+mc Δ ω Ij (k)
Δ bj (k+1 ) = (I — me) η δ j+mc Δ bj (k) 式中:i=9為隱含層數(shù)；j為隱含層節(jié)點(diǎn)數(shù)；k為訓(xùn)練次數(shù)；Λ ω為權(quán)值的增量；η為學(xué)習(xí)速率；δ為網(wǎng)絡(luò)學(xué)習(xí)誤差；Χ為神經(jīng)網(wǎng)絡(luò)輸入；mc為動(dòng)量因子； 在使用附加動(dòng)量法改進(jìn)的同時(shí)引用共軛梯度法，先沿著負(fù)梯度方向進(jìn)行搜索，然后再沿當(dāng)前搜索方向的共軛方向進(jìn)行搜索，能夠迅速達(dá)到最優(yōu)值；選取Fletcher-Reeves共軛梯度的形式為:
g；-|gs-l 其中β S是梯度系數(shù)，gs為第S次迭代的梯度，gs_!為第S-1次迭代的梯度g力第S次迭代的梯度轉(zhuǎn)置，gL為第S-1次迭代的梯度轉(zhuǎn)置； 采用附加動(dòng)量法能夠避免神經(jīng)網(wǎng)絡(luò)陷入局部極小值，加快訓(xùn)練速率，從而協(xié)同共軛梯度法，迅速達(dá)到最優(yōu)值，使神經(jīng)網(wǎng)絡(luò)更有效； (3)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試:把歸一化后的訓(xùn)練樣本輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，將神經(jīng)網(wǎng)絡(luò)的輸出值與實(shí)測(cè)值進(jìn)行對(duì)比，一直到誤差小于5%為止，采用平均絕對(duì)百分比誤差MAPE:1OO^ ^fh-^ah 0/ MAPE =——> -r~% 式中n為訓(xùn)練數(shù)據(jù)總數(shù)，Pf為預(yù)測(cè)值，Pa為真實(shí)值，h為數(shù)據(jù)序號(hào)； 將神經(jīng)網(wǎng)絡(luò)的輸出做反歸一化即為軋機(jī)振動(dòng)頻率的預(yù)測(cè)值。
【文檔編號(hào)】G06N3/02GK103886373SQ201410157460
【公開(kāi)日】2014年6月25日 申請(qǐng)日期:2014年4月18日 優(yōu)先權(quán)日:2014年4月18日
【發(fā)明者】馬敘, 任春華, 祝興輝 申請(qǐng)人:天津理工大學(xué)