[发明专利]一种基于冷轧全流程数据的硅钢铁损预测方法

权利要求书

1.一种基于冷轧全流程数据的硅钢铁损预测方法，其特征在于，包括如下步骤：

S1、对冷轧硅钢进行全流程物料跟踪，其至少包括常化酸洗机组、轧机、连续退火涂层机组的工艺数据，完成钢卷所经历各机组的工艺数据采集，以及硅钢的在线铁损数据采集，并通过机组间长度映射，得到原料各处所对应的各机组长度位置及该位置处的工艺参数及最终铁损值，每一卷钢的每个原料位置得到一组数据d，且其包括输入数据di， di为工艺数据，及输出数据do，do 为 铁损数据；

S2、针对每个原料卷，获取它们的所有组数据d，构成一个数据集D；其中数据集D包括输入数据集Di及输出数据集Do；

使用DBSCAN聚类方法对Di进行聚类分析，得到N1个聚类；

使用DBSCAN聚类方法对Do进行聚类分析，得到N2个聚类；

S3、步骤S2中的Di、Do两次聚类是完全独立运行的，其得到N1×N2＝M种聚类组合，即每个数据d都属于M种聚类组合的其中之一，在M种聚类中各挑选现有的cnt组数据，形成新的数据集D；若该聚类包括的数据d个数小于cnt，则选择全部数据d；

S4、对训练数据集进行BP神经网络训练，其中BP神经网络的输入数据为输入数据集Di，输出数据为输出数据集Do；BP神经网络采用三层网络，首层神经元个数为工艺数据个数E，隐层神经元个数为E/2.5并取整数，且保证其大于6小于15，输出层神经元个数为1；

S5、使用建立的神经网络对新的硅钢钢卷进行铁损预报。

2.根据权利要求1所述的硅钢铁损预测方法，其特征在于，步骤S3中挑选数据过程如下：

S31、计算各组数据相对零点的欧式距离；

S32、按照距离升序排列；

S33、然后根据距离等间隔挑选。