[发明专利]拉矫机机组矫正辊的工艺参数设定方法

权利要求书

1、一种拉矫机机组矫正辊的工艺参数设定方法，

其特征在于，

该方法基于反向传播学习方式的多层前馈神经网络结构来对矫正辊的参数进行设定，具体包括以下步骤：

A.人工神经元网络的训练样本参数选取确定，选择所要矫正的钢板的相关数据，包括带钢的浪形数据、带钢材质、带钢几何参数、板廓参数以及平整工艺参数和拉矫延伸率，作为人工神经元网络的训练样本参数，其中，所述的浪形数据包括传动侧边部陡度、传动侧1/4处陡度、中部陡度、操作侧1/4处陡度以及操作侧边部陡度；所述的带钢材质是指屈服极限；所述的带钢几何参数是指带钢的宽度、厚度；所述的板廓参数包括二次凸度、四次凸度；所述的平整工艺参数包括平整延伸率、单位轧制力、弯辊力；

B.模型结构的确定，结合拉矫机组自身特点，选用了只有一个隐含层的三层反向传播学习算法的神经网络，输入层单元数由机组入口板形影响因素和平整工艺参数确定，网络的输出根据拉矫机的设定参数确定，隐含层节点根据经验公式确定，其中，所述的模型结构的确定选用14—12—4型三层反向传播神经元网络结构，即，所述输入层单元数确定为14，所述隐含层节点数确定为12，所述网络的输出节点数确定为4；

C.反向传播网络的计算过程，包括以下步骤，

C1.将一组样本参数输入神经元；

C2.输入参数由输入层经加权处理传向隐含层；

C3.输入加权参数经函数激活后得到隐含层输出值；

C4.隐含层输出值经加权处理后传向输出层；

C5.隐含层加权参数经输出层函数激活后得到网络输出值，即拉矫机的设定参数；

所述反向传播网络的计算过程中采用公式：

uk=Σj=1mwkjxj]]>　

其中m＝14，x₁，x₂，…，x_m是输入信号，对于输入层而言，即为机组入口板形影响因素和平整工艺参数确定的14个节点参数值；是神经元k的突触连接权值，其初始值可取(-1，1)之间的随机数；u_k是输入信号的线性组合器的输出，为激活函数，y_k是神经元输出信号，对于输出层而言，即为拉矫机的4个设定参数；

D.反向传播网络的学习过程，包括以下步骤：

D1.将网络输出值与目标输出值比较得出输出层误差计算样本的均方差；

D2.将误差反向传播，利用均方差E和梯度下降法逐层修正网络各层间的突触连接权值，使误差不断减小，该修正过程为：

由均方差E的梯度下降法得Δwkj=-η∂E∂wkj]]>

突触连接权值的修正算法为w_kj(k+1)＝w_kj(k)+ηδ_j(k)y_k(k)

式中，η为学习速率，δ_j(k)为误差项，W_kj(k)是神经元k的突触连接权值，y_k(k)是神经元输出信号；

为加快训练速度，引入动量项，则突触连接权值的修正算法为

w_kj(k+1)＝w_kj(k)+ηδ_j(k)y_k(k)+α[w_kj(k)-w_kj(k-1)]

式中，α为动量因子；

D3.重复步骤C直至学习样本结束；

D4.重复步骤C直至均方差小于期望值。

2、如权利要求1所述的拉矫机机组矫正辊的工艺参数设定方法，

其特征在于，

所述步骤D2中误差反向传播修正网络各层间的突触连接权值时反向传播网络参数设置及取值为：

学习速率＝0.05；学习速率增长比例因子＝1.05；学习速率下降比例因子＝0.8；训练次数＝4000；网络训练目标＝0.08；均方差期望值＝0.001；动量因子＝0.9。