[发明专利]一种基于关联神经网络的热轧卷取温度预报方法

摘要

本发明提供一种基于关联神经网络的热轧卷取温度预报方法，通过PDA终端对带钢厚度H、轧制速度V、终轧温度T1、带钢宽度W、超快冷阀门开启数N1、层流阀门开启数N2、超快冷入口温度T2、目标卷取温度T3数据进行采集，构造输入矩阵[H，V，T1，W，N1，N2，T2，T3]，输出矩阵[T]；假定[V，T1，W，N1，N2，T2，T3]不变，定义Y为H的影响度，按照影响度大小，把相应的影响度赋予输入端与隐含层的权值以及隐含层与输出层的权值，构建三层ASBP神经网络，输出实际卷取温度，并进行ASBP神经网络训练，采用实际测试数据进行卷取温度的预报。本方法可将卷取温度预报误差从-20℃～20℃提高到-10℃～10℃，使卷取温度控制更加准确。

主权项

1.一种基于关联神经网络的热轧卷取温度预报方法，其特征在于，具体方法和步骤为：    （1）、数据预处理通过热轧机生产现场PDA终端进行数据采集，数据包括带钢厚度H、轧制速度V、终轧温度T₁、带钢宽度W、超快冷阀门开启数N₁、层流阀门开启数N₂、超快冷入口温度T₂、目标卷取温度T₃，采用归一化和空缺值填充方法进行数据预处理；（2）、影响度数据挖掘影响度：构造输入矩阵[H，V，T₁，W，N₁，N₂，T₂，T₃ ]，输出矩阵[T]；为了挖掘H的影响度，假定[V，T₁，W，N₁，N₂，T₂，T₃]不变，H增加1个单位，增加前卷取温度为T_前，增加后卷取温度为T_后，定义为H的影响度，式中：Y为带钢厚度影响度；Ｔ_后为变化后卷取温度；Ｔ_前为变化前卷取温度；Ｈ_后变化后带钢厚度；Ｈ_前变化前带钢厚度；本步骤需要根据步骤（1）预处理完的数据和影响度的概念，进行影响度的数据挖掘，按照影响度的大小，进行排序BP神经网络的输入端，同时把相应的影响度赋予输入端与隐含层的权值以及隐含层与输出层的权值，构建ASBP神经网络；（3）、构建并训练ASBP神经网络根据步骤（2）影响度数据挖掘构建ASBP神经网络,选择三层神经网络，神经网络输入包括带钢厚度H、轧制速度V、终轧温度T₁、带钢宽度W、超快冷阀门开启数N₁、层流阀门开启数N₂、超快冷入口温度T₂、目标卷取温度T₃，输出为实际卷取温度；根据构建的ASBP神经网络模型，采用一定数量样本数据进行ASBP神经网络训练；（4）、ASBP神经网络卷取温度预报根据步骤（3）训练好的ASBP神经网络模型，采用实际测试数据进行卷取温度的预报，在预报过程中，选择有代表性制度进行预报。