[发明专利]基于BP神经网络的大型模锻压机上横梁速度预测控制方法

权利要求书

1.基于BP神经网络的大型模锻压机上横梁速度预测控制方法，其特征在于：根据工业锻造过程的强非线性和时变性，基于模锻工艺数据建立了预测神经网络模型和控制神经网络模型，实现了对大型模锻压机上横梁速度的精准、快速预测和有效控制，该方法包括如下步骤：

步骤1：先对模型参数进行初始化，然后根据历史的模锻工艺数据离线训练预测神经网络和控制神经网络；

预测神经网络可以表示为：

y_m(k+1)＝f_p[u(k-2),u(k-1),u(k),y(k-1),y(k)]

其中，y(k)是k时刻系统的实际输出，u(k)是k时刻作用于系统的控制量，y_m(k+1)为预测输出；

控制神经网络可以表示为：

u(k+1)＝f_c[y_r(k+1),y_p(k+1),u(k-1),u(k)]

其中，u(k+1)是k+1时刻作用于系统控制量，u(k-1)和u(k)分别表示k-1和k时刻作用于系统的控制量，y_r(k+1)和y_p(k+1)分别表示(k+1)时刻输出量的参考值和校正值；

步骤2：由预测神经网络给出系统下一时刻的预测输出；

步骤3：对预测输出进行反馈校正，并规划下一时刻的模锻工艺参考值；

步骤4：根据反馈校正值和模锻工艺参考值,由控制神经网络给出系统当前时刻的输入；

步骤5：在线感知当前时刻的模锻工艺数据，并根据当前的数据反馈调整控制神经网络和预测神经网络；

预测神经网络的权值是基于实际输出y(k+1)与预测输出y_m(k+1)的差值进行在线反馈调整：

输入-隐含层权值调整公式为：

隐含-输出层权值调整公式为：

其中，η为学习速率，Wp1和bp1为输入-隐含层的权值矩阵和偏移项，Wp2和bp2为隐含-输出层的权值矩阵和偏移项，U为预测神经网络的输入[u(k-2),u(k-1),u(k),y(k-1),y(k)]，hp1为隐含层的输出；

控制神经网络的权值是基于规划的模锻工艺参考值y_r(k+1)与校正预测输出y_p(k+1)的差值进行在线反馈调整：

输入-隐含层权值调整公式为：

隐含-输出层权值调整公式为：

其中，Wc1和bc1为输入-隐含层的权值矩阵和偏移项，Wc2和bc2为隐含-输出层的权值矩阵和偏移项，Y为控制神经网络的输入[y_r(k+1),y_p(k+1),u(k-1),u(k)]，hc1为隐含层的输出；

步骤6：转入步骤2，进入下一时刻大型模锻压机上横梁速度的预测控制。