[发明专利]一种自适应变异PSO-BP神经网络带钢凸度预测方法

摘要

本发明主要属于带钢板形控制技术领域，具体涉及一种引入自适应变异的PSO‑BP神经网络带钢凸度预测方法。该预测方法通过实际数据对板形预测模型进行实时修正，满足轧机板形模型不断变化的实际情况；不需要建立轧制过程的一个准确模型，只需要确定输入、输出即可，通过修改预测算法以及控制参数，将自适应变异用于PSO‑BP算法，既可避免陷入局部最小值，又可实现带钢凸度的准确预测，满足轧制现场要求，更加精确地进行板形预测以提高板形的控制精度。

主权项

1.一种引入自适应变异的PSO‑BP神经网络带钢凸度预测方法，其特征在于，所述方法包括：初始化BP神经网络的拓扑结构，确定输入层、隐含层、输出层神经元个数、选择神经网络的激活函数；选取影响带钢凸度的因素作为所述输入层的输入，将机架出口处带钢凸度作为所述输出层的输出；初始化BP神经网络的权值和阈值，将初始化的权值和阈值编码为粒子，设置PSO算法的基本参数，用PSO算法优化所述BP神经网络，在PSO‑BP神经网络模型中引入自适应变异，构建获得引入自适应变异的PSO‑BP神经网络，采用所述自适应变异的PSO‑BP神经网络能够对带钢的凸度进行预测，并实现轧制现场在线预测带钢凸度。