[发明专利]一种镀层控制的气刀距离数据驱动预测方法

说明书

一种镀层控制的气刀距离数据驱动预测方法，采集带钢的生产数据，包括：目标镀层厚度、镀层种类、带钢宽度、带钢厚度、带钢速度；建立三层神经网络模型，并选取单隐层神经网络隐含层和输出层的传递函数；采用遍历方法确定隐层神经网络的训练函数；采用快速非支配排序遗传算法对隐层神经网络模型进行优化；利用神经网络结合快速非支配排序遗传算法来预测气刀距离，克服了在镀层厚度控制过程中参数检测困难、精度差、以及滞后大的缺陷，不仅控制精度高，而且运算速度快。本发明利用大量的生产过程数据通过直接在计算机上编程，即可实现投入使用，成本十分低廉。

技术领域

本发明涉及汽车的冷轧热镀锌过程镀层控制技术领域，特别涉及一种镀层控制的气刀距离数据驱动预测方法。

背景技术

气刀距带钢的距离调整是热镀锌控制镀层厚度的主要手段之一，它对气体压力的分布影响也较大。气刀距带钢的距离越精确则对镀层的稳定控制越有利。目前，现有的实际生产操作中，是由操作人员来进行手动操作，由于操作经验的不同，经常会出现操作气刀距离偏差过大，这使得在带钢板形差或焊缝通过时，带钢极易刮蹭到刀唇，从而造成板带划痕或气刀堵塞，进而影响镀层质量。另外，在动态变规格时，镀锌前后带钢的目标镀层厚度变化较大，气刀距离预设定的精确性，直接决定后续镀层厚度的控制精度，如果预设偏差较大，甚至会导致镀层厚度无法稳定控制的严重问题。所以，气刀距离控制的好与坏对镀层厚度的控制精度影响很大。

专利CN201610115522.5涉及一种连续热镀锌气刀刀距自动控制方法，该专利通过采用气刀距离预设定控制、气刀距离前馈控制和气刀距离反馈控制的综合控制方法，实现热镀锌过程中气刀距离的自动控制，但未涉及数据驱动的刀距预设定计算方法。专利CN201810446630.X涉及一种冷轧热镀锌钢板横向镀层均匀性控制方法，属于镀层均匀性技术领域，并未涉及变规格的刀距设定方法。

如上所述，随着用户对于产品质量的要求日益提高，传统的机理方法已经很难有较大的进步与改善。本发明针对热镀锌在动态变规格时，目标镀层厚度变化较大的情况下，应用数据驱动的方法来实现气刀距离调整的精准预测，进而避免因气刀距离不准确而无法实现镀层自动控制的问题。

发明内容

为了解决背景技术中所述问题，本发明提供一种镀层控制的气刀距离数据驱动预测方法，可以加快增量式运动结构恢复算法的计算效率，并提高生成点云模型的质量。

为了达到上述目的，本发明采用以下技术方案实现：

一种镀层控制的气刀距离数据驱动预测方法，包括以下步骤：

步骤1：采集带钢的生产数据，包括：目标镀层厚度、镀层种类、带钢宽度、带钢厚度、带钢速度；

步骤2：对采集到的生产数据进行预处理，包括：计算各生产数据的平均值和标准差、对生产数据的异常值进行剔除、对剔除异常值后的生产数据进行平滑处理、对平滑处理后的生产数据进行归一化处理；

步骤3：建立三层神经网络模型，包括：采用经验公式计算经验值，然后在经验值±20％的区间内进行遍历搜索，获得隐含层神经元节点数n；遍历搜索0.1～0.5，确定隐层神经网络学习率lr；组合purelin、logsig和tansig传递函数，产生6种组合，并选取单隐层神经网络隐含层和输出层的传递函数；采用遍历方法确定隐层神经网络的训练函数；

步骤4：采用快速非支配排序遗传算法对隐层神经网络模型进行优化；

1)设置最大进化代数E_max，并令当前进化代数E＝1；

2)根据训练函数对隐层神经网络模型进行训练，再将预处理后的生产数据输入到训练后的隐层神经网络模型中,进行预测并输出预测结果；

3)计算隐层神经网络模型的训练误差；

4)采用二进制编码法将单隐层神经网络权值和阈值转换成为0和1组成的数字串；