基于ＣＭＡＣ神经网络的热连轧精轧温度预报模型

2012年03月14日10:15:24 本网站我要评论(2)字号：T | T | T

关键字：应用

王　莉，王冬青，王二元
北京科技大学钢铁流程先进控制教育部重点实验室，北京

摘　　　要：温度是带钢热连轧过程中几个较重要的工艺参数之一，由于温度将直接影响到热轧轧制力，因此精确预报各道次，特别是精轧机组各机架的轧制温度，是保证厚度、板形及宽度数学模型命中率的关键。而精轧温度预报技术是热连轧的核心技术。由于传统的模型技术已经不能进一步提高精轧温度的预报精度，针对带钢热连轧精轧温度传统模型的固有缺陷，根据ＣＭＡＣ神经网络具有很强的泛化能力，并且误差收敛速度快的特点，提出了基于ＣＭＡＣ神经网络的热连轧精轧温度预报模型。运用实际生产数据对该网络进行了训练和测试。结果表明，该ＣＭＡＣ模型能准确、实时地预报精轧温度，实现了通过提高精轧温度预报精度来达到提高带钢终轧温度命中精度的目的。通过ＣＭＡＣ预报精轧温度方法与传统的经验模型预报相比，ＣＭＡＣ系统误差的响应速度快、稳定性好，此模型具有良好的在线应用前景。

关　键　词：精轧温度；ＣＭＡＣ神经网络；温度预报

１　引　言
热连轧带钢的精轧过程是一个非线性、有滞后的传热轧制过程，其中终轧温度的命中精度是描述带钢精轧温度控制好坏的较重要的指标［１］。在实际生产过程中，精轧温度控制主要依赖传统的温度数学模型，并通过对模型中的某些模型系数进行自学习修正来提高控制精度。但是由于温度模型的系数确定比较粗糙，导致精轧温度的控制精度不高。而人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，ＡＮＮ）可以实现非线性映射，它具有并行处理、记忆和学习的能力，可以满足精轧温度控制的要求。传统的ＢＰ神经网络属于全局逼近网络，学习速度较慢。而小脑模型ＣＭＡＣ具有局部逼近能力，学习速度快，且不存在局部极小值问题，泛化性强［２］。所以本文提出了将ＣＭＡＣ神经网络模型应用于精轧温度预报，仿真实验结果表明ＣＭＡＣ精轧温度预报的精度较高、响应速度快、稳定性好。

登录网站后可下载文件

基于ＣＭＡＣ神经网络的热连轧精轧温度预报模型

相关阅读: