[发明专利]一种基于离线神经网络的重卷延伸率自适应优化方法

说明书

本发明涉及一种基于离线神经网络的重卷延伸率自适应优化方法，属于冶金自动化技术领域。技术方案是：采用离线神经网络控制方式，选取对重卷机组的拉矫机延伸率有影响的钢种分组号、钢卷的厚度、钢卷宽度、钢卷内径、钢卷密度和带钢速度作为神经网络的输入层节点，选取重卷机组的拉矫机延伸率作为神经网络的输出层节点，对重卷机组的拉矫机延伸率计算模型进行离线优化，实现对冷轧重卷产线钢卷拉矫机延伸率的离线自适应控制。本发明保证冷轧重卷产线钢卷拉矫机延伸率设定值计算的精确度，从而保证冷轧重卷产线成品钢卷质量。

技术领域

本发明涉及一种基于离线神经网络的重卷延伸率自适应优化方法，属于冶金自动化技术领域。

背景技术

重卷产线是现代带钢生产中的一个重要的组成部分，它由开卷机展开后，送到切头剪，切除带钢头尾不符合要求的部分。带头送至焊机与上一卷带尾进行焊接，通过矫直机、拉矫机改善板型、经圆盘剪进行切边。然后到达带钢检查站进行表面检查。随后带钢送到静电涂油机进行涂油处理，然后送卷取机进行卷取。当卷重达到规定值后，由分切剪分卷。重卷机组拉矫机延伸率设定值的计算精确度直接影响着重卷产线成品钢卷的质量。如果拉矫机延伸率设定值过大，容易影响成品钢卷的内部结构和成品钢卷的性能。相反，如果拉矫机延伸率设定值过小，则无法消除钢卷的浪形缺陷。已有技术中拉矫机延伸率是通过人工计算得到的范围值，无自适应优化能力，时间成本和人工成本比较高，而且直接影响成品钢卷的合格率。

发明内容

本发明目的是提供一种基于离线神经网络的重卷延伸率自适应优化方法，采用离线神经网络控制方式，选取对重卷机组的拉矫机延伸率有影响的钢种分组号、钢卷的厚度、钢卷宽度、钢卷内径、钢卷密度和带钢速度作为神经网络的输入层节点，选取重卷机组的拉矫机延伸率作为神经网络的输出层节点，采用离线神经网络控制方式，按周期选取已经生产合格的钢卷数据，对重卷机组的拉矫机延伸率计算模型进行离线优化，实现对冷轧重卷产线钢卷拉矫机延伸率的离线自适应控制，保证冷轧重卷产线钢卷拉矫机延伸率设定值计算的精确度，从而保证冷轧重卷产线成品钢卷质量，有效地解决了背景技术中存在的上述问题。

本发明的技术方案是：一种基于离线神经网络的重卷延伸率自适应优化方法，包含以下步骤：

步骤a、确定神经网络的网络结构和网络层数;

步骤b、选取已经生产合格的重卷产线钢卷数据，根据实际情况，把钢卷按钢种进行分组，把性能相似的钢种分为一组，进行编号，并且选取每组钢种分组的钢卷的厚度、钢卷宽度、钢卷内径、钢卷密度、带钢速度和重卷机组的拉矫机延伸率等数据;

步骤c、定义神经网络的网络输入层和网络输出层节点，神经网络的输入层节点选取钢种组号、钢卷的厚度、钢卷宽度、钢卷内径、钢卷密度和带钢速度，神经网络的输出层节点选取重卷机组的拉矫机延伸率;

步骤d、 确定神经网络的转移函数，转移函数选取Sigmoid性函数，设置学习率为0.01，输入层和输出层的初始权值选取较小的随机数；

步骤e、采用离线自适应的训练方式，设置学习周期为7天，每次选取100组步骤b中的钢卷数据，把钢种组号、钢卷的厚度、钢卷宽度、钢卷内径、钢卷密度和带钢速度作为输入层节点，把重卷机组的拉矫机延伸率作为输出层节点，对神经网络进行自适应学习训练，把优化后的神经网络模型存入重卷过程自动化系统中，在下次生产中进行生产应用。

所述步骤a中，采取三层神经网络结构。

所述步骤b中， 根据重卷产线实际情况，把钢种按性能进行分组，把性能相似的钢种分为一组，把钢种分组进行依次排号，共分20组钢种分组。然后选取每组钢种分组的钢卷的厚度、钢卷宽度、钢卷内径、钢卷密度、带钢速度和重卷机组的拉矫机延伸率。