[发明专利]基于PSO-LM-BP神经网络的带钢冷轧横向厚差预报方法

摘要

本发明公开了一种基于PSO‑LM‑BP神经网络的带钢冷轧横向厚差预报方法，涉及到带钢断面形状控制领域。该方法主要包括以下步骤：1、PSO‑LM‑BP神经网络训练样本的获取；2、PSO‑LM‑BP神经网络带钢冷轧横向厚差预报模型的建立；3、PSO‑LM‑BP神经网络带钢冷轧横向厚差预报模型的训练与验证；4、PSO‑LM‑BP神经网络带钢冷轧横向厚差预报模型的预测。该方法只需根据带钢热轧来料断面轮廓三个参数C40、C25、W40，即可预测出其冷轧后的横向厚差值，预测精度高、响应速度快，能够快速参与指导实际生产，对带钢冷轧横向厚差控制具有重要意义。

主权项

1.一种基于PSO‑LM‑BP神经网络的带钢冷轧横向厚差预报方法，其特征在于：包括以下执行步骤：S1、获取PSO‑LM‑BP神经网络的训练样本；S11：确定轧制工艺参数，具体包括：轧制道次数n，来料厚度h₀，各道次出口厚度h_i，各道次轧制力P_i，各道次工作辊弯辊力S_1i，各道次中间辊弯辊力S_2i和各道次中间辊串辊量Δ_i，其中i＝1～n；S12：确定轧制设备参数，具体包括：各道次支撑辊直径D_bi和长度L_bi，各道次中间辊直径D_mi和长度L_mi，各道次工作辊直径D_wi与长度L_wi，各道次压下油缸中心距L_yi，各道次中间辊弯辊缸间距L_s1i和各道次工作辊弯辊缸间距L_s2i，其中i＝1～n；S13：确定描述带钢热轧来料断面轮廓三个参数的范围，给定距离带钢边部40mm处的凸度最大值C_40max与最小值C_40min、距离带钢边部40mm处的楔度最大值W_40max与最小值W_40min、距离带钢边部25mm处的凸度最大值C_25max与最小值C_25min，在C_40max与C_40min之间随机生成m个在W_40max与W_40min之间随机生成m个以及在C_25max与C_25min之间随机生成m个其中j＝1～m；S14：利用模型耦合法计算第i道次带钢断面轮廓其中：f为模型耦合函数；S15：根据轧制工艺参数S11、轧制设备参数S12、带钢热轧来料断面轮廓参数S13，利用S14方法，计算最末道次带钢断面轮廓从而求得带钢断面轮廓中心厚度与距离边部15mm处厚度差值，即带钢冷轧横向厚差并保存记录下每个热轧断面轮廓参数与其对应的末道次冷轧横向厚差值，即这些数据作为PSO‑LM‑BP神经网络模型的训练样本，其中j＝1～m；S2、建立PSO‑LM‑BP神经网络带钢冷轧横向厚差预报模型：S21：根据PSO‑LM‑BP神经网络建立带钢冷轧横向厚差预报模型；S22：确定BP神经网络的结构；S23：设定PSO算法的参数；S24：设定LM算法的参数；S3、PSO‑LM‑BP神经网络带钢冷轧横向厚差预报模型的训练与验证；以及S4、PSO‑LM‑BP神经网络带钢冷轧横向厚差预报模型的预测。