[发明专利]基于人工神经网络的铸坯质量在线预报的控制方法

摘要

本发明涉及基于人工神经网络的铸坯质量在线预报的控制方法，包括如下步骤：首先选择预测模型变量，建立神经网络模型；在确定了网络模型的结构和目标误差以后，选择训练样本对建立的三层BP神经网络进行学习和训练，在网络输出层误差满足要求后，保存权值和阈值；得到训练和验证好的网络模型；利用训练和验证好的BP神经网络模型对连铸板坯中间裂纹进行在线预测的控制。本发明利用了神经网络的分类能力，通过比较预测值和实测值的差别来评定网络模型的预测效果，保证了模型的预测精度。采用本发明，实现了连铸生产过程的铸坯质量的在线自动预测，操作简单，可预测铸坯质量缺陷的类型及缺陷等级，用于指导现场生产。

主权项

基于人工神经网络的铸坯质量在线预报的控制方法，其特征在于该方法包括如下步骤：步骤1：首先选择预测模型变量，建立神经网络模型；设定具体的铸坯质量缺陷预测目标，并将影响该预测目标的相应的工艺设备参数变量作为输入层的节点；然后确定中间层和输出层变量、输入层至中间层以及中间层至输入层的各连接权值、中间层以及输出层的阈值，建立由输入层、隐含层、输出层构成的三层BP 神经网络模型；三层BP 网络模型的结构为：输入层n个输入神经元分别代表影响设定为预测目标的铸坯质量缺陷的n个主要工艺和设备参数，隐含层q个隐含神经元作为中间层各单元，输出层1个输出神经元代表铸坯质量缺陷预测目标的质量缺陷等级；输入层与隐含层之间通过输入层至中间层的连接权值相关联；隐含层和输出层通过中间层至输入层的连接权值关联；设定为预测目标的铸坯质量缺陷为铸坯纯净度、表面横裂纹、表面纵裂纹、角部裂纹、中心裂纹、中间裂纹、三角区裂纹、中心偏析和疏松中的一项或多项；步骤2：在确定了网络模型的结构和目标误差以后，选择训练样本对步骤1中建立的三层BP 神经网络进行学习和训练，在网络输出层误差满足要求后，保存权值和阈值；然后重新利用预测样本对已经训练好的网络进行预测，如果预测结果准确，则说明网络设计成功，能够应用在实际生产中，否则，返回训练阶段，调整各个参数，重新训练网络；并通过训练样本进行网络预测验证，得到训练和验证好的网络模型；步骤3：利用步骤2中训练和验证好的BP 神经网络模型对连铸板坯中间裂纹进行在线预测的控制。