[发明专利]基于人工神经网络与数学模型的轧制力预设定方法

权利要求书

1.一种基于人工神经网络与数学模型的轧制力预设定方法，其特征在于：包括以下步骤：

S01，建立轧制力数学模型，轧制力数学模型包括输入、系数和输出，所述输入包括多个输入项，各输入项分别为影响轧制力的各种因素，所述系数根据钢种确定，所述输出为轧制力；

S02，对输入进行配置：针对每个输入项，根据生产线的特点确定其取值区间，并将取值区间划分为若干个连续的子取值区间，且每个子取值区间各选取一个代表值作为其子区间值；

S03，建立训练数据集：从各个输入项中分别选取一个子区间值构成一组输入数据，则根据排列组合的原理，可知共能生成N_total组输入数据，其中：

其中N_i表示第i个输入项的子区间个数，m表示输入项的个数；

针对特定的钢种，获取其系数，根据轧制力数学模型，分别代入每组输入数据，得到每组输入数据对应的输出数据，各组输入与输出数据共同构成了一共具有N_total组数据的训练数据集；

S04，建立并训练人工神经网络：建立人工神经网络模型，根据训练数据集进行训练，训练完成后，采用人工神经网络进行轧制力预设定供生产使用。

2.如权利要求1所述的基于人工神经网络与数学模型的轧制力预设定方法，其特征在于：所述步骤S02中，各输入项子取值区间的数量的范围是[5，20]。

3.如权利要求1所述的基于人工神经网络与数学模型的轧制力预设定方法，其特征在于：所述步骤S02中，各输入项子取值区间的数量值组成的数据集的标准差与平均值的比值小于等于40％。

4.如权利要求3所述的基于人工神经网络与数学模型的轧制力预设定方法，其特征在于：所有输入项子取值区间的数量全部相等。

5.如权利要求1所述的基于人工神经网络与数学模型的轧制力预设定方法，其特征在于：所述步骤S02中，各子取值区间的子区间值选为该子取值区间上下限的平均值。

6.如权利要求1所述的基于人工神经网络与数学模型的轧制力预设定方法，其特征在于：所述步骤S04中，人工神经网络选为三层BP神经网络，其中隐层数计算公式为输入层个数除以4并取整数，然后再加上一个5-10之间的常数，且取值范围是[6，15]。

7.如权利要求1所述的基于人工神经网络与数学模型的轧制力预设定方法，其特征在于，所述步骤S04之后还包括：

S05，对人工神经网络进行优化：生产过程中，周期性采集实测数据，实测数据包含输入数据与输出数据，针对满足要求的实测数据，对实测数据中至少部分输入项的实测值进行判断，确定其属于该输入项的哪个子取值区间，将训练数据集中与这组实测数据各输入项所属的子取值区间相同的一组数据替换为实测值，形成新的训练数据集，重新进行训练，训练完成后，采用人工神经网络进行轧制力预设定供生产使用。

8.如权利要求7所述的基于人工神经网络与数学模型的轧制力预设定方法，其特征在于：所述步骤S05中，满足要求的实测数据的确定方法为：连续采集一批实测数据，对这一批实测数据的某些参数值计算置信为95％的F分布区间，找到这一批实测数据中某组实测数据，其各项参数都满足F分布区间，并且其实测轧制力与其数学模型预报的轧制力偏差小于一定值，该组实测数据则为满足要求的实测数据。