一种基于误差反向传播算法的冷轧板形控制参数设定方法.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CN114192587A(43)申请公布日2022.03.18(21)申请号202111514549.9(22)申请日2021.12.13(71)申请人东北大学地址110819辽宁省沈阳市和平区文化路3号巷11号(72)发明人彭良贵陈亚飞王煜李长生(74)专利代理机构沈阳东大知识产权代理有限公司21109代理人王思齐(51)Int.Cl.B21B37/28(2006.01)权利要求书3页说明书9页附图5页(54)发明名称一种基于误差反向传播算法的冷轧板形控制参数设定方法(57)摘要本发明属于冶金自动化和智能化控制技术领域，特别涉及一种基于误差反向传播算法的冷轧板形控制参数设定方法。首先基于多层前馈神经网络建立冷轧板形预报网络，利用收集的历史冷轧轧制参数、板形控制参数等轧制数据和历史板形数据对冷轧板形预报网络进行离线训练，并将训练好的网络作为板形控制参数优化网络，用于在线计算。然后将所需的当前带钢的冷轧轧制参数、板形控制参数初始设定值以及板形目标值输入到板形控制参数优化网络。利用板形控制参数优化网络的网络预报板形值与板形目标值的偏差，基于误差反向传播算法对板形控制参数按照优先级进行逐一迭代计算，获得优化后的板形控制参数。CN114192587ACN114192587A权利要求书1/3页1.一种基于误差反向传播算法的冷轧板形控制参数设定方法，其特征在于包括以下步骤：步骤1：按照多层前馈型全连接神经网络型式，建立冷轧板形预报网络；步骤2：利用冷轧机组历史轧制数据和板形数据对冷轧板形预报网络进行训练，获得网络参数；步骤3：基于冷轧板形预报网络结构和训练获得的网络参数，建立板形控制参数优化网络；步骤4：利用板形控制参数优化网络优化当前轧件的板形控制参数设定值。2.根据权利要求1所述的基于误差反向传播算法的冷轧板形控制参数设定方法，其特征在于所述步骤1至步骤4按照如下方法：步骤1：按照多层前馈型全连接神经网络型式，建立冷轧板形预报网络，所述冷轧板形预报网络输入层有N个神经元，用于接收冷轧轧制参数和板形控制参数的输入；所述冷轧板形预报网络的输出层有Q个神经元，与板形辊测量单元的个数一致；所述的冷轧板形预报网络的隐含层有L层，各隐含层的神经元个数分别为P1、P2,…PL；步骤2：利用冷轧机组历史轧制数据和板形数据对冷轧板形预报网络进行训练，依次进行步骤2.1～步骤2.3：步骤2.1：收集历史冷轧轧制参数、板形控制参数和板形数据，进行数据归集形成网络训练样本数据；步骤2.2：对所述网络训练样本数据进行标准化处理，标准化处理采用z‑Score归一化方法；步骤2.3：对冷轧板形预报网络进行训练，训练采用误差反向传播算法，当整体板形误差满足给定要求后结束训练；步骤3：基于冷轧板形预报网络结构和训练获得的网络参数，建立板形控制参数优化网络；步骤4：利用板形控制参数优化网络优化当前轧件的板形控制参数设定值：依次进行步骤4.1～步骤4.2：步骤4.1：对当前轧件的冷轧轧制参数、板形控制参数初始设定值以及板形目标值进行所述的标准化处理并输入到所述板形控制参数优化网络，其中冷轧轧制参数和板形控制参数初始设定值为网络输入层的初始输入值；步骤:4.2：保持板形控制参数优化网络的权值和阈值不变，利用当前轧件的板形目标值与板形控制参数优化网络预报的板形值的偏差，利用误差反向传播算法对输入层中的板形控制参数进行迭代优化计算，当板形误差满足收敛条件后结束；所述板形误差的收敛条件为平均绝对误差指标值不再下降；所述的板形控制参数迭代优化计算是按照以下流程，对板形控制参数逐一进行优化计算：(a)选择待优化的板形控制参数xi，保持输入层其它参数输入值不变；(b)进行板形控制参数优化网络的前向计算，得到网络预报板形值，然后计算网络预报板形值与当前轧件板形目标值的误差以及平均绝对误差指标值；(c)比较前后两次迭代计算后的平均绝对误差指标值：2CN114192587A权利要求书2/3页如果平均绝对误差指标值下降，则按照以下公式计算所选板形控制参数的调整量Δxi，并用Δxi+xi更新所选板形控制参数值，返回步骤(b)：其中损失函数Yl为输出层第l个神经元的网络预报板形值，为输出层第l个神经元，即第l个板形辊测量单元对应的板形目标值，ξ为学习率；如果平均绝对误差指标值不再下降，停止对所选板形控制参数的优化；(d)如果所有的板形控制参数均已优化，则执行步骤(e)，否则选择下一个板形控制参数，回到步骤(a)；(e)结束板形控制参数优化网络的计算，将优化后的板形控制参数进行反归一化处理，然后输出，输出的反归一化处理后的板形控制参数即为冷轧板形控制参数的设定值。3.根据权利要求2所述的一种基于误差反向传播算法的冷轧板形控制参