[发明专利]基于RBF神经网络的层流冷却温度自适应控制方法

摘要

本发明公开了基于RBF神经网络的层流冷却温度自适应控制方法，提供一种基于RBF神经网络的层流冷却温度自适应控制技术，针对不锈钢热轧带钢生产过程中存在的目标卷取温度高，冷却区域少等难点，设计了一种基于RBF神经网络的层流冷却温度自适应控制技术，通过创建RBF神经网络和评估RBF神经网络得到最新的自适应参数，层流冷却模型会根据最新的自适应参数，计算冷却策略，该技术的应用可以更加实时、准确的获得层流冷却系统的温度自适应参数，并最终提高不锈钢轧制卷取温度的控制精度，从而使带钢获得良好的组织性能和力学性能，对生产过程有显著的应用价值。

主权项

1.基于RBF神经网络的层流冷却温度自适应控制方法，使用RBF神经网络对自适应参数进行自学习，其特征在于，包括以下步骤：(1)、定义输入层结点个数及其标准化的均值、标准差，其中包括带钢化学成份种类、带钢终轧厚度、带钢终轧温度、目标卷取温度；(2)、定义隐层结点个数及偏差单元个数，每个隐层结点都是一个径向基函数；(3)、选取高斯函数作为隐层激活函数；(4)、给定每个输入单元对应的隐层结点的结点中心初始值，即径向基函数的中心位置；(5)、给定径向基函数的宽度、隐层结点到输出层结点的权值及偏差单元到输出层结点的权值；(6)、定义输出层结点个数为2个，包括自适应系数、自适应温度偏差值；(7)、对于输入层结点，计算隐层和输出层的激活函数，通过该步骤获取最新的长期、短期自适应参数；(8)、对于一个带钢的每个样本段的头部穿过层流冷却段的整个历史都被收集，层流冷却模型对这些实测数据进行处理，并得到最新的自适应参数；(9)、层流冷却模型根据最新的自适应参数，计算冷却策略，所述的冷却策略包括开关水阀设定、设定点在冷却段入口带钢的表面温度、设定点带钢速度、设定点优化的开阀点、计算的最终温度和目标温度之间的差异、最终温度与对应的起始温度之间的斜率和最终温度与对应的带钢速度之间的斜率。