[发明专利]一种基于Matlab的无缝钢管连轧工艺智能预测系统及方法

权利要求书

1.一种基于Matlab的无缝钢管连轧工艺智能预测系统，其特征在于，包括：

连轧工艺模型设计计算模块，建立连轧工艺流程和设计一系列工艺参数来指导实际生产，并将其设计的工艺参数上传至智能模型预测模块中；

智能模型预测模块，采用灰色关联确定所述连轧工艺模型设计计算模块中各个工艺参数的影响因素，从而独立建立各个工艺参数的BP神经网络，经试值法优化后获得符合训练要求的神经网络；然后再经遗传算法优化单元和BP神经网络训练单元的不断优化与训练，同时结合现场所需要轧制的无缝钢管的规格数据，对各个工艺参数进行预测，最后将预测工艺参数上传到反馈模块中；和

反馈模块，实时反映BP神经网络的综合训练效果，并评估预测工艺参数的准确性，同时针对上述预测工艺参数的影响因素进行分析后优化调整，并把优化调整后的工艺参数上传至所述连轧工艺模型设计计算模块中。

2.根据权利要求1所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统，其特征在于，所述连轧工艺模型设计计算模块包括：

已知参数单元，根据实际要求获取连轧前后管形尺寸的已知参数，并将这些参数录入到Matlab的系统中；

设计参数单元，根据已知参数单元和无缝钢管变形原理对连轧工艺过程中各道次的工艺参数进行设计；

孔型参数单元，根据设计参数单元中各道次的工艺参数来设计孔型参数；

速度参数单元，根据已知参数单元、设计参数单元和孔型参数单元中的数据通过计算得出各道次的速度参数；

力能参数单元，根据已知参数单元、设计参数单元和孔型参数单元中的数据通过计算得出各道次的力能参数。

3.根据权利要求2所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统，其特征在于，所述智能模型预测模块包括有BP神经网络构建单元，该构建单元采用灰色关联确定所述连轧工艺模型设计计算模块中各个工艺参数的影响因素，并据此确定BP神经网络的输入神经元数和输入变量，从而独立建立各个工艺参数的BP神经网络，并采用试值法对隐含层神经元数不断优化后获得最优隐含层神经元数，进而构建出符合训练要求的BP神经网络。

4.根据权利要求3所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统，其特征在于，所述智能模型预测模块还包括有遗传算法优化单元，该遗传算法优化单元利用BP神经网络构建单元初步训练结束后的权值和阈值作为遗传算法优化的初始值，然后利用遗传算法对该初始值进行优化，得到比较好的初始权值和阈值，为下一次BP神经网络的训练提供初始的权值和阈值，当遗传算法优化过程达到设置的迭代次数时，初始值优化结束，最终得到最优的初始权值和阈值。

5.根据权利要求4所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统，其特征在于，所述智能模型预测模块还包括有BP神经网络训练单元和BP神经网络预测单元；

其中，所述BP神经网络训练单元，将现场所需要轧制的无缝钢管的规格数据导入至已构建并优化后的BP神经网络中，进行再训练，当训练后实际值和预测值相对误差达到工业生产要求后，认为训练达到预期目标，训练结束，作为最终预测工艺参数的预测模型；

所述BP神经网络预测单元，采用最终建立的预测模型来预测下一次生产后的工艺参数。

6.根据权利要求5所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统，其特征在于，所述智能模型预测模块还包括有数据导入单元和数据导出单元；

其中，所述数据导入单元，将生产现场所采集的实际数据和连轧工艺模型设计计算模块中设计完成的工艺参数导入至Matlab的系统中；

所述数据导出单元，将经BP神经网络预测单元预测的工艺参数导出并将其上传到反馈模块中。

7.根据权利要求6所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统，其特征在于，所述反馈模块包括有：训练误差综合评估单元，实时反映BP神经网络的综合训练效果，并根据BP神经网络预测模型的预测值与实际值的相对误差来评估预测模型的准确性。