快速获取步进梁式钢坯加热炉不同产率下设置温度的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108694288A(43)申请公布日2018.10.23(21)申请号201810528045.4(22)申请日2018.05.29(71)申请人中南大学地址410083湖南省长沙市岳麓区麓山南路932号(72)发明人王春生高博王渭刘子建王向莉(74)专利代理机构长沙正奇专利事务所有限责任公司43113代理人马强李美丽(51)Int.Cl.G06F17/50(2006.01)G06N3/04(2006.01)权利要求书1页说明书3页附图4页(54)发明名称快速获取步进梁式钢坯加热炉不同产率下设置温度的方法(57)摘要本发明公开了一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，包括以下步骤：获取步进梁式钢坯加热炉在不同产率下的若干组训练数据，训练数据包括输入数据和输出数据；输入数据包括步进周期、钢坯加热精度和出炉钢坯热均匀程度；输出数据包括与各控制区域的设置温度；步骤B.训练BP神经网络，得到i个BP神经网络模型；步骤C.确定目标产率对应的步进周期，同时调整出炉钢坯热均匀程度值，使得钢坯加热精度值在-5℃～5℃范围内；将步骤C中的步进周期、出炉钢坯热均匀程度值、钢坯加热精度值作为BP神经网络模型的输入数据，得到目标产率对应的各控制区域的设置温度值。本发明操作过程简单，加热精度高，能量利用率高，能耗低。CN108694288ACN108694288A权利要求书1/1页1.一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，其特征在于，包括以下步骤：步骤A.获取步进梁式钢坯加热炉在不同产率下的若干组训练数据，其中训练数据包括输入数据和输出数据；输入数据包括步进周期WR、钢坯加热精度ΔTdis和出炉钢坯热均匀程度ΔTmax；输出数据包括与各组输入数据相对应的各控制区域的设置温度Tspi；步骤B.利用步骤A中的训练数据训练BP神经网络，得到i个BP神经网络模型，其中i为控制区域的数目；步骤C.确定目标产率对应的步进周期，同时调整训练之后得到的神经网络模型的输入值，调整训练之后得到的神经网络模型的输入值包括调整出炉钢坯热均匀程度值，使得钢坯加热精度值在-5℃～5℃范围内；将步骤C中的步进周期、出炉钢坯热均匀程度值、钢坯加热精度值作为步骤B中i个BP神经网络模型的输入数据，得到目标产率对应的各控制区域的设置温度值。2.如权利要求1所述的快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，其特征在于，所述步骤A中，以钢坯加热精度ΔTdis和出炉钢坯热均匀程度ΔTmax最小为优化目标，利用Hooke-Jeeves直接搜索算法求解步进梁式钢坯加热炉在不同产率下的若干组训练数据。3.如权利要求1所述的快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，其特征在于，所述步骤B中，BP神经网络为三层BP神经网络；该BP神经网络的输入层有3个神经元，输入层的3个神经元分别代表步进周期WR、钢坯加热精度ΔTdis和出炉钢坯热均匀程度ΔTmax；BP神经网络的隐含层有8个神经元；BP神经网络的输出层有1个神经元，输出层的神经元对应代表一个控制区域的设置温度Tspi；训练得到的i个BP神经网络模型为：2CN108694288A说明书1/3页快速获取步进梁式钢坯加热炉不同产率下设置温度的方法技术领域[0001]本发明属于步进梁式钢坯加热炉技术领域，特别涉及一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法。背景技术[0002]现有技术中，没有快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，因而都是根据经验设定步进梁式钢坯加热炉不同产率下的设置温度，因而加热精度低，能量利用率低，能耗大。面对钢铁行业节能降耗背景下的迫切需求，迫切需要一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，以提高加热精度和能量利用率，降低能耗。发明内容[0003]本发明的目的在于，针对上述现有技术的不足，提供一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，加热精度高，能量利用率高，能耗低。[0004]为解决上述技术问题，本发明所采用的技术方案是：[0005]一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，其特点是包括以下步骤：[0006]步骤A.获取步进梁式钢坯加热炉在不同产率下的若干组训练数据，其中训练数据包括输入数据和输出数据；输入数据包括步进周期WR、钢坯加热精度ΔTdis和出炉钢坯热均匀程度ΔTmax；输出数据包括与各组输入数据相对应的各控制区域的设置温度Tspi；[0007]步骤B.利用步骤A中的训练数据训练BP神经网络，得到i个BP神经网络模型，其中i为控制区域的数目；[0008]步骤C.确定目标产率对应的步进周期，同时调整训练之后得到的神经网络模型的输入值