[发明专利]电镀锌锌层厚度BP神经网络控制方法及其在PLC上的应用

说明书

技术领域

本发明涉及一种电镀锌锌层厚度的BP神经网络控制方法，还涉及电镀锌锌层厚度的BP神经网络控制方法在PLC上的应用。

背景技术

在电镀锌生产线上，锌层厚度控制是核心控制技术。在锌层厚度控制器设计方面，以往的设计思路往往是要对控制对象做出精确的数学模型；之后根据精确的数学模型进行控制器设计。

电镀锌层厚度控制对象具有多变量、强耦合和变量之间变化幅度差异大等特点，很难建立非常精确的控制对象模型，并且对各变量进行解耦合控制；同时，精确固定的数学模型具有抗干扰性差以及容错能力差等缺点。

发明内容

为了提高电镀锌生产线的产品质量，使产品厚度均匀，精确达到设定厚度要求，提高产品的优级率，本发明的基于BP神经网络算法的电镀锌锌层厚度的PLC控制方法，包括下列步骤：

A、训练样本数据采集

在电镀锌生产线采集一定数量的实际生产的数据样本，样本大约要1万组样本，并保证数据的遍历性。样本以输入向量和输出向量的形式采集录入。1个输入向量和对应的1个输出向量组成一组样本数据。输入向量包括上镀层厚度，下镀层厚度，钢带宽度和镀槽总电流数等元素；输出向量包括上镀层厚度计算速度和下镀层厚度计算速度两个元素。

结合实际生产的经验和干扰因素，同时考虑一些数据的缺陷采取修正。根据资深镀锌工艺工程师的经验数据和期望达到的理想效果，对数据进行分析和处理，得到优秀的训练数据。

B、BP神经网络建立

依据电镀厚度控制要求、网络逼近精度和计算机计算能力，以及输入输出向量情况建立双神经网络结构。建立两个具有相同结构的神经网络它们含有1个输入层和两个隐层和1个输出层组成的BP神经网络结构。

第一个网络结构的输入层为含有3个元素的列向量，分别为上镀层厚度、钢卷宽度和镀槽总电流数；隐层1有20个神经元其激励函数为线性函数；隐层2有20个神经元其激励函数为S函数，如公式(1)：

S(n)=logsig(n)=11+e-n---(1)]]>

输出层采用线性激励函数，输出为上镀层厚度计算速度。

第二个网络结构与第一个相同。输入列向量3个元素分别为：下镀层厚度、钢卷宽度和镀槽总电流数；输出为下镀层厚度计算速度。两个网络以并联方式计算处理数据。

C、网络学习与训练

网络训练与学习采用变梯度算法(Conjugate Gradient Backpropagation，CGBP)。其第一次迭代是沿着最陡梯度下降方向开始搜索的，如式(2)：

p(0)＝-g(0)    (2)

然后，决定最佳距离的线性搜索沿着当前搜索的方向进行：

x(k+1)＝x(k)+αp(k)  (3)

p(k)＝-g(k)+β(k)p(k-1)    (4)

变梯度修正值采用Fletcher-Reeves修正算法，如式(5)：