利用神经元网络分类建模法提高模型预报精度的方法
专利汇可以提供利用神经元网络分类建模法提高模型预报精度的方法专利检索，专利查询，专利分析的服务。并且一种利用神经元网络分类建模法提高模型预报 精度 的方法，本 发明 适合于采用神经元网络进行模型修正的带钥 热轧 生产线上使用；目的是提高模型预报精度；本发明根据 轧辊 类别，使用不同的神经元网络，即保持原有网络用于高铬镍 铸 铁 轧辊生产；为高速 钢 轧辊另外增加新的网络，网络形式与原有神经元网络相同； 高速钢 轧辊与高铬镍 铸铁 轧辊使用各自的压 力 修正、凸度及平直度控制神经元网络；新的网络配置文件与原有网络文件完全相同，仅是模型根据不同的轧辊辊质类型调用不同的网络文件；各种不同辊质的网络相对独立，互不干扰。，下面是利用神经元网络分类建模法提高模型预报精度的方法专利的具体信息内容。
1.一种利用神经元网络分类建模法提高模型预报精度的方法，在具有7台连轧机(F0-F6)组成的精轧机组的热轧带钢生产线上，用高速钢轧辊替代标准铸铁轧辊用于精轧机组；其特征是根据轧辊类别，使用不同的神经元网络，即保持原有网络用于高铬镍铸铁轧辊生产；为高速钢轧辊另外增加新的网络，网络形式与原有神经元网络相同；高速钢轧辊与高铬镍铸铁轧辊使用各自的压力修正、凸度及平直度控制神经元网络；新的网络配置文件与原有网络文件完全相同，仅是模型根据不同的轧辊辊质类型调用不同的网络文件；各种不同辊质的网络相对独立，互不干扰。
2.如权利要求1所述的利用神经元网络分类建模法提高模型预报精度的方法，其特征是：
(1)增加8条神经元网络供高速钢轧辊使用，原有网络供高铬镍铸铁轧辊生产控制：
fm_prof.net 目标凸度及目标平直度预报网
fm_rf0.net F0机架轧制压力修正网
fm_rf1.net F1机架轧制压力修正网
fm_rf2.net F2机架轧制压力修正网
fm_rf3.net F3机架轧制压力修正网
fm_rf4.net F4机架轧制压力修正网
fm_rf5.net F5机架轧制压力修正网
fm_rf6.net F6机架轧制压力修正网
拷贝上述8条网络，分别更名为如下8条网络供高速钢轧辊生产控制：
fm_hsprof.net目标凸度及目标平直度预报网
fm_hsrf0.net F0机架轧制压力修正网
fm_hsrf1.net F1机架轧制压力修正网
fm_hsrf2.net F2机架轧制压力修正网
fm_hsrf3.net F3机架轧制压力修正网
fm_hsrf4.net F4机架轧制压力修正网
fm_hsrf5.net F5机架轧制压力修正网
fm_hsrf6.net F6机架轧制压力修正网
(2)修改模型控制源代码，根据不同辊类，调用不同的神经元网络，从而提高后续带钢的设定精度，操作步骤如下：
1)读取原始数据、工艺制度及辊类标志；
2)判断是高速钢轧辊吗？是，进入第4)步；
3)读取高铬镍铸铁轧辊神经元网络数据，跳到第5)步；
4)读取高速钢轧辊神经元网络数据；
5)调用温度计算模型，通过轧制变形热、轧辊热传导、机架间冷却水、空冷热辐等求出带钢在各轧机的出口温度；
6)调用压力计算模型，使用其相应的轧辊神经元网络数据，计算各轧机轧制压力；
7)调用板形计算模型，使用其相应的轧辊神经元网络数据，计算各轧机弯辊、串辊量；
8)传送设定值；预设定过程结束。
技术领域
本发明涉及一种利用神经元网络分类建模法提高模型预报精度的方法。
背景技术
发明内容
在具有7台连轧机(F0-F6)组成的精轧机组的热轧带钢生产线上，用高速钢轧辊替代标准铸铁轧辊用于精轧机组。根据轧辊类别，使用不同的神经元网络，即保持原有网络用于高铬镍铸铁轧辊生产；为高速钢轧辊另外增加新的网络，网络形式与原有神经元网络相同。高速钢轧辊与高铬镍铸铁轧辊使用各自的压力修正、凸度及平直度控制神经元网络；新的网络配置文件与原有网络文件完全相同，仅是模型根据不同的轧辊辊质类型调用不同的网络文件；各种不同辊质的网络相对独立，互不干扰。
本发明方法的具体步骤：
(1)增加8条神经元网络供高速钢轧辊使用，原有网络供高铬镍铸铁轧辊生产控制：
fm_prof.net 目标凸度及目标平直度预报网
fm_rf0.net F0机架轧制压力修正网
fm_rf1.net F1机架轧制压力修正网
fm_rf2.net F2机架轧制压力修正网
fm_rf3.net F3机架轧制压力修正网
fm_rf4.net F4机架轧制压力修正网
fm_rf5.net F5机架轧制压力修正网
fm_rf6.net F6机架轧制压力修正网
拷贝上述8条网络，分别更名为如下8条网络供高速钢轧辊生产控制：
fm_hsprof.net目标凸度及目标平直度预报网
fm_hsrf0.net F0机架轧制压力修正网
fm_hsrf1.net F1机架轧制压力修正网
fm_hsrf2.net F2机架轧制压力修正网
fm_hsrf3.net F3机架轧制压力修正网
fm_hsrf4.net F4机架轧制压力修正网
fm_hsrf5.net F5机架轧制压力修正网
fm_hsrf6.net F6机架轧制压力修正网
该方法保持原有网络结构，仅增加供高速钢轧辊使用的神经元网络，使得高速钢轧辊与高铬镍铸铁轧辊使用各自的压力修正、凸度及平直度控制神经元网络。各种不同辊质的网络相对独立，互不干扰。
(2)修改模型控制源代码，根据不同辊类，调用不同的神经元网络，从而提高后续带钢的设定精度，操作步骤如下：
1)读取原始数据、工艺制度及辊类标志；
2)判断是高速钢轧辊吗？否，进入第4)步；
3)读取高铬镍铸铁轧辊神经元网络数据，跳到第5)步；
4)读取高速钢轧辊神经元网络数据；
5)调用温度计算模型，通过轧制变形热、轧辊热传导、机架间冷却水、空冷热辐等求出带钢在各轧机的出口温度；
6)调用压力计算模型，使用其相应的轧辊神经元网络数据，计算各轧机轧制压力；
7)调用板形计算模型，使用其相应的轧辊神经元网络数据，计算各轧机弯辊、串辊量；
8)传送设定值；预设定过程结束。
工艺制度包括除鳞方式、轧机负荷分配率、机架间冷却水流量、工作辊冷却水流量、工艺润滑投用标志等。
通过改进源代码根据轧辊辊类调用不同的神经元网络，实现了高铬镍铸铁轧辊与高速钢轧辊压力预报模型分类控制，使得高铬镍铸铁轧辊轧制过程完全不受系统改造的影响；高速钢轧辊在带钢后续的轧制过程中，通过在线训练过程不断地提高其模型预报精度。
本发明适合于采用神经元网络进行模型修正的带钢热轧生产线上使用。本发明将分类控制思想应用到神经元网络，避免了对神经元网络结构再次开发，在保持神经元网络优点的同时，低成本、快速地完成改进。在设备、工艺、环境等输入状态发生变化时，采用本发明方法不仅操作过程较为简单，而且在保证正常生产的同时，可以提高模型的预报精度。
具体实施方式
太钢热连轧厂购进高速钢轧辊用于精轧机组。与标准铸铁轧辊相比，高速钢轧辊具有较高的耐磨性和较佳的表面质量。但高速钢轧辊也有明显的缺点，即摩擦系数大，辊面凸度难以控制。摩擦系数大，轧制力也相应增大，在同样条件下，会使轧制力增加10％～20％。由于高速钢轧辊与标准铸铁轧辊的特性有较大区别，压力模型无法进行正确预报。压力模型预报精度过低，导致轧机辊缝设定误差大，精轧机组机架间秒流量无法保持平衡，极易造成机组废钢，成品厚度控制精度低、板型差，严重影响终轧产品的产量和质量。在单机架高速钢轧辊试用阶段，精轧台操作工必须手动关闭神经元网络在线训练功能，避免网络修正值训练异常，影响后续带钢的正常生产控制。同时在轧制过程中，操作工需要不断地进行手动干预，如根据实测轧制负荷调整机架负荷分配率防轧机过电流掉电；穿带过程中手动调整机架压下位置保证机架间秒流量平衡防止起套或拉钢等等，轧制过程不稳定。太钢1#热轧系统三电控制系统改造后，过程控制级采用SIEMENS公司在SIROLL2环境下开发的产品，模型计算中使用了神经元网络，经过长期的在线及离线训练过程，模型预报精度不断提高。
以F0轧机为例，其轧制压力预报网络输入项及输出项定义如下：
name：fm_rf0
number of inputs：22//输入项个数
number of outputs：1//输出项个数
inputs：//输入项
no. descr minimum maximum accuracy
1 HE 1 70 0.05 //入口厚度
2 TE 600 1200 1 //出口厚度
3 BTENS 0 100 0.1 //后张力
4 FTENS 0 100 0.1 //前张力
5 EPS0 0.8 0.001 //压下率
6 WRR 100 600 1 //辊径
7 VU 0.01 50 0.05 //速度
8 C 0 100 0.001 //碳含量
9 SI 0 100 0.01 //硅含量
10 MN 0 100 0.01 //锰含量
11 P 0 100 0.01 //磷含量
12 S 0 100 0.001 //硫含量
13 AL 0 100 0.001 //铝含量
14 CR 0 100 0.01 //铬含量
15 CU 0 100 0.01 //铜含量
16 MO 0 100 0.01 //钼含量
17 TI 0 100 0.01 //钛含量
18 NI 0 100 0.01 //镍含量
19 V 0 100 0.01 //钒含量
20 NB 0 100 0.01 //铌含量
21 N 0 100 0.001 //氮含量
22 B 0 100 0.001 //硼含量
outputs： //输出项
no.descr minimum maximum
1 RFC 0 0.5 1.6
按照常规做法，需要对神经元网络的结构进行改动，即在上述原有输入项中增加轧辊辊类项，然后重新调整神经元网络中输入层和隐藏层间的权重矩阵。该做法弊病较多，如改造工作量大，已有轧制数据遭到破坏，结构变化后可能影响网络精度，需要进行长时间、大容量的离线数据分析和改进，在线测试周期长，需要跟踪不同品种、规格带钢的生产，以确认数据的可靠性。这不但需要较长的开发周期、加大开发经费，而且可能影响到生产过程的稳定。
在充分发挥神经元网络灵活、稳定等特点的基础上，考虑高速钢轧辊对压力预报模型的影响，以及改进神经元网络可能带来的种种困难，采用类似于传统技术解决方案的分类方法，根据生产状态及需求将神经元网络进行分类建模，自动地、实时地实现不同网络的在线训练过程，解决由于设备及性能等诸多现场因素干扰神经元网络学习紊乱等问题，有效地提高模型预报精度，改进热轧带钢成品质量。
在精轧机组增加8条神经元网络，分别用于各机架F0--F6使用高速钢轧辊时的压力预报值修正神经元网、以及一条凸度及平直度控制神经元网络。通过对模型结构、过程数据、以及控制逻辑进行分析后，增加8条神经元网络，供高速钢轧辊使用，原有网络供高铬镍铸铁轧辊生产控制：
fm_prof.net 目标凸度及目标平直度预报网
fm_rf0.net F0机架轧制压力修正网
fm_rf1.net F1机架轧制压力修正网
fm_rf2.net F2机架轧制压力修正网
fm_rf3.net F3机架轧制压力修正网
fm_rf4.net F4机架轧制压力修正网
fm_rf5.net F5机架轧制压力修正网
fm_rf6.net F6机架轧制压力修正网
拷贝上述8条网络，分别更名为如下8条网络供高速钢轧辊生产控制：
fm_hsprof.net目标凸度及目标平直度预报网
fm_hsrf0.net F0机架轧制压力修正网
fm_hsrf1.net F1机架轧制压力修正网
fm_hsrf2.net F2机架轧制压力修正网
fm_hsrf3.net F3机架轧制压力修正网
fm_hsrf4.net F4机架轧制压力修正网
fm_hsrf5.net F5机架轧制压力修正网
fm_hsrf6.net F6机架轧制压力修正网
(2)修改模型控制源代码，根据不同辊类，调用不同的神经元网络：
1)读取原始数据、工艺制度及辊类标志；
2)判断是高速钢轧辊吗？是，进入第4)步；
3)读取高铬镍铸铁轧辊神经元网络数据，跳到第5)步；
4)读取高速钢轧辊神经元网络数据；
5)调用温度计算模型，通过轧制变形热、轧辊热传导、机架间冷却水、空冷热辐等求出带钢在各轧机的出口温度；
6)调用压力计算模型，使用其相应的轧辊神经元网络数据，计算各轧机轧制压力；
7)调用板形计算模型，使用其相应的轧辊神经元网络数据，计算各轧机弯辊、串辊量；
8)传送设定值。
按照上述实施方案的新系统在线投入后，现场生产控制平稳，控制精度稳步提升。试验中共计轧制16个单位不锈钢，1056块带钢，轧制结果统计如下：
表1、轧制负荷预报偏差(不锈钢单位)
轧制负荷预报偏差％ 机架F1 机架F2 机架F3 使用高速钢轧辊 1.15 1.13 1.12 使用标准铸铁轧辊 1.13 1.12 1.09
共计轧制普钢247块，轧制结果统计如下：
表2、轧制负荷预报偏差(普钢单位)
轧制负荷预报偏差％ 机架F1 机架F2 使用高速钢轧辊 1.15 1.14 使用标准铸铁轧辊 1.13 1.11
项目改造后，将改造前单机架试用高速钢轧辊时的轧制负荷预报偏差由24.9％降低为目前的最大1.15％，与标准铸铁轧辊的轧制负荷预报偏差最大值1.13％处于同一水平。
实现高速钢轧辊进行生产稳定控制的同时，保证了成品带钢厚度及板型达原设计控制精度，统计结果见表3。
表3、带钢厚度及板型控制精度统计
本发明方法还可推广到生产一些较难控制的品种轧制上。如不同牌号硅钢中的硅含量不同，但压力神经元网络的输出却基本相同，导致压力预报偏差较大，废钢现象频繁发生。为此，在硅钢的生产过程中，使用神经元网络分类建模法，根据不同硅钢牌号定义不同的神经元网络，可明显改善模型预报精度，大幅提高厚度控制精度，有效控制硅钢生产的故障率。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种带钢热轧板的生产方法 | 2020-05-17 | 955 |
| 一种用于减少热轧带钢表面红锈的热轧方法 | 2020-05-18 | 399 |
| 热轧板形的凸度控制方法 | 2020-05-21 | 522 |
| 利用穿带自适应修正热轧精轧机组辊缝的方法 | 2020-05-13 | 347 |
| 热轧带钢生产设备及热轧带钢的生产方法 | 2020-05-23 | 873 |
| 一种薄板热轧线精轧机组AGC系统的控制方法 | 2020-05-13 | 445 |
| 热轧铝带轧机机组和用于热轧热轧铝带的方法 | 2020-05-17 | 703 |
| 热轧宽带钢的精轧机组的启动方法 | 2020-05-11 | 245 |
| 热轧板形的凸度控制方法 | 2020-05-21 | 86 |
| 用于热轧精轧机组机架的检修平台 | 2020-05-14 | 533 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
