【技术实现步骤摘要】
本专利技术涉及一种建立神经元网络模型提高厚度精度的控制方法，属于轧钢轧制方法。
技术介绍
1、厚度精度控制是热轧生产的一个重要环节，对提高板带成材率、降低生产成本、增加产品市场竞争力有重要影响。厚度尺寸的高精度控制与控制模型有很大的关系。厚度控制模型一般采用物理模型和神经元网络相结合的控制方法。按神经元网络发挥的作用可分为独立建模和自适应两种，一种是用数学模型的预报作为基值，用神经元网络作为数学模型计算误差的补偿构成一个智能纠偏网络，另一种是用神经元网络对模型时变参数进行预报，提高模型的预报能力。厚度控制模型一般采用前一种神经元网络。神经元网络一般应用在长继承中。长继承是指在板坯没有进入轧线前从神经元网络里面取和本块板坯相似的板坯实际轧制的工艺参数，神经元网络是一个对以前轧制过的板坯的经验数据的分析和提炼，在板坯进入轧线后，模型自适应和后计算会用板坯的实际值和先前在神经元网络里取的值，对轧制力修正系数进行计算，并且得出修正后的值，这时候把修正以后的数据存在一个短期的区域，也要存到神经元网中，如果下一块钢的属性和本块钢相似，那么下一块钢的设定值就不用从神经元网络中取了，直接从这个短期的存储区域中取，这就叫短期继承，但是这个短期区域容量有限并且会自动更新，所以这个数据可能很快会被删除掉，所以短继承只能继承上一块钢的数据，而长继承则是一个庞大的库。
2、1780厚度控制系统是由西门子公司siemens开发的.现场使用的神经元网络ma4是西门子根据过程自动化实际情况开发的带有全局回归的综合径向基网络和自适应线性网络相结合的复
技术实现思路
1、本专利技术目的是提供一种建立神经元网络模型提高厚度精度的控制方法，基于自适应线性神经网络和径向基神经网络技术，建立以化学成分、入口厚度和张力等参数作为输入值，新的轧制力修正系数作为输出值的热轧带钢轧制力修正网络，在不能修改原神经元网络的基础上实现长继承参数的调整，解决设定轧制力、模型重新计算的轧制力与实际轧制力三者偏差大对厚度控制的影响，降低轧制力偏差对厚度精度的影响，提高厚度控制自适应响应能力，有效地解决了
技术介绍
中存在的上述问题。
2、本专利技术的技术方案是：一种建立神经元网络模型提高厚度精度的控制方法，包含以下步骤：
3、（1）厚度偏差作为判定依据建立新数据用于训练新神经元网络，通过筛选方式获得训练数据；
4、（2）引入设定轧制力与实际轧制力作为判定依据建立神经元网络，引入设定轧制力与实际轧制力偏差，用此偏差作为判定依据优化后选取新的轧制力修正系数，此系数进入新的神经元网络用于训练；
5、（3）建立新的神经元网络输出新的轧制力修正系数，新神经元网络采用综合径向基网络和自适应线性网络相结合的三层复合型神经元网络；
6、（4）通过参数表的方式实现两个神经元网络的联系，首先根据部分钢种实际轧制情况对于参数表进行维护，如果参数表没有这个钢种，则不进行修正，如果参数表中有这个钢种，则对原轧制力修正系数进行修正，并乘以新神经元网络得出的系数用于修正原神经元网络中的轧制力修正系数。
7、所述步骤（1）中，厚度偏差较大的选用片段2的数据和引入设定轧制力与实际轧制力偏差作为判定依据获取不同的轧制力修正系数，厚度偏差较大的选用片段2的数据即当钢卷片段2厚度偏差超过±0.1mm选取片段2的钢卷参数进入新的神经元网络，钢卷片段2厚度偏差低于±0.1mm选取片段5的钢卷参数进入新的神经元网络。
8、所述步骤（2）中，建立cofa增量方向的差异片段方法，通过“不够”、“超调”和“异常”标识获取不同的轧制力修正系数，剔除“异常”数据。
9、所述步骤（3）中，径向基网络是具有单隐层的一种两层前向网络，输入层节点传递输入信号到隐含层，隐含层单元的变换函数是径向基函数，隐含层到输出层实现线性映射，输出层数据为轧制力修正系数。
10、所述步骤（4）中，新神经元网络的输出值通过调用函数call_netnew()与西门子神经元调用函数call_net()通过txt方式建立联系。
11、本专利技术的有益效果是：基于自适应线性神经网络和径向基神经网络技术，建立以化学成分、入口厚度和张力等参数作为输入值，新的轧制力修正系数作为输出值的热轧带钢轧制力修正网络，在不能修改原神经元网络的基础上实现长继承参数的调整，解决设定轧制力、模型重新计算的轧制力与实际轧制力三者偏差大对厚度控制的影响，降低轧制力偏差对厚度精度的影响，提高厚度控制自适应响应能力。
本文档来自技高网...【技术保护点】
1.一种建立神经元网络模型提高厚度精度的控制方法，其特征在于包含以下步骤：
2.根据权利要求1所述的一种建立神经元网络模型提高厚度精度的控制方法，其特征在于：所述步骤（1）中，厚度偏差较大的选用片段2的数据和引入设定轧制力与实际轧制力偏差作为判定依据获取不同的轧制力修正系数，厚度偏差较大的选用片段2的数据即当钢卷片段2厚度偏差超过±0.1mm选取片段2的钢卷参数进入新的神经元网络，钢卷片段2厚度偏差低于±0.1mm选取片段5的钢卷参数进入新的神经元网络。
3.根据权利要求1所述的一种建立神经元网络模型提高厚度精度的控制方法，其特征在于：所述步骤（2）中，建立COFA增量方向的差异片段方法，通过“不够”、“超调”和“异常”标识获取不同的轧制力修正系数，剔除“异常”数据。
4.根据权利要求1所述的一种建立神经元网络模型提高厚度精度的控制方法，其特征在于：所述步骤（3）中，径向基网络是具有单隐层的一种两层前向网络，输入层节点传递输入信号到隐含层，隐含层单元的变换函数是径向基函数，隐含层到输出层实现线性映射，输出层数据为轧制力修正系数。
5
...【技术特征摘要】
1.一种建立神经元网络模型提高厚度精度的控制方法，其特征在于包含以下步骤：
2.根据权利要求1所述的一种建立神经元网络模型提高厚度精度的控制方法，其特征在于：所述步骤（1）中，厚度偏差较大的选用片段2的数据和引入设定轧制力与实际轧制力偏差作为判定依据获取不同的轧制力修正系数，厚度偏差较大的选用片段2的数据即当钢卷片段2厚度偏差超过±0.1mm选取片段2的钢卷参数进入新的神经元网络，钢卷片段2厚度偏差低于±0.1mm选取片段5的钢卷参数进入新的神经元网络。
3.根据权利要求1所述的一种建立神经元网络模型提高厚度精度的控制方法，其特征在于：所述步骤（2）中，建立cofa增量方向的差...
【专利技术属性】
技术研发人员：邢俊芳，张叶欣，彭良贵，宋志斌，陆凤慧，田鹏，易亮亮，
申请(专利权)人：承德钒钛新材料有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。