摘要：考慮到鋁板帶熱精軋加工是一個(gè)復(fù)雜的塑性成形過程，影響軋制力大小的因素非常多，而準(zhǔn)確預(yù)測(cè)軋制力對(duì)軋制規(guī)程的制定具有重要意義。本論文綜合考慮了傳統(tǒng)數(shù)學(xué)模型與BP神經(jīng)網(wǎng)絡(luò)在軋制力預(yù)報(bào)中的優(yōu)缺點(diǎn)，采用將二者結(jié)合起來的方式對(duì)軋制力進(jìn)行預(yù)測(cè)。計(jì)算結(jié)果表明，采用此方法能大大提高軋制力預(yù)測(cè)精度。

關(guān)鍵詞：軋制力；BP神經(jīng)網(wǎng)絡(luò)；加法模型

0 引言

BP神經(jīng)網(wǎng)絡(luò)屬于人工智能方法，而人工智能方法與傳統(tǒng)軋制理論不同，它是模擬人腦，以已經(jīng)發(fā)生了的實(shí)實(shí)在在的事情為依據(jù)來指導(dǎo)軋制生產(chǎn) [1]。目前將人工智能的方法引入到軋制生產(chǎn)中已經(jīng)成為軋制發(fā)展的趨勢(shì)。

1 數(shù)學(xué)模型與BP神經(jīng)網(wǎng)絡(luò)結(jié)合實(shí)現(xiàn)對(duì)軋制力的預(yù)報(bào)

目前神經(jīng)網(wǎng)絡(luò)用于軋制力預(yù)報(bào)主要兩種方式[2]，一種是直接用神經(jīng)網(wǎng)絡(luò)去預(yù)報(bào)軋制力。另一種是采取神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)數(shù)學(xué)模型結(jié)合來預(yù)報(bào)軋制力。而將神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型結(jié)合起來，能夠發(fā)揮二者的優(yōu)勢(shì)。目前結(jié)合方式有加法模型和乘法模型[3]，本論文擬選用加法模型，即用傳統(tǒng)軋制力模型算出軋制力的主值，用神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)傳統(tǒng)模型計(jì)算誤差，以二者的和做為最后的輸出。

2 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)包括輸入、輸出層節(jié)點(diǎn)數(shù)，隱含層層數(shù)和隱含層節(jié)點(diǎn)數(shù)的確定，神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的選取等。

1）網(wǎng)絡(luò)輸入、輸出變量的確定

選用入口板厚、出口板厚、軋制溫度、軋制速度、摩擦系數(shù)為神經(jīng)網(wǎng)絡(luò)輸入，以實(shí)際軋制力與傳統(tǒng)模型預(yù)測(cè)軋制力之間差值為神經(jīng)網(wǎng)絡(luò)輸出。

2）隱含層數(shù)數(shù)目和隱含層節(jié)點(diǎn)數(shù)的確定

一般來說，先根據(jù)經(jīng)驗(yàn)公式初步確定隱含層節(jié)點(diǎn)數(shù)，然后經(jīng)過多次試算，綜合考慮逼近精度、泛化能力和訓(xùn)練時(shí)間，確定最終的隱含層節(jié)點(diǎn)數(shù)。本論文通過多次試算，最后確定網(wǎng)絡(luò)結(jié)構(gòu)為5-9-14-1，即輸入值為2，隱含層數(shù)為2，第一、二隱含層節(jié)點(diǎn)數(shù)分別為9、14。

3 樣本數(shù)據(jù)的選擇以及預(yù)處理

1）BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和測(cè)試數(shù)據(jù)的選取學(xué)習(xí)樣本數(shù)量與網(wǎng)絡(luò)結(jié)構(gòu)存在如下關(guān)系[4]：

式中，n、m分別為神經(jīng)網(wǎng)絡(luò)輸入、輸出變量數(shù)目；h為隱含層節(jié)點(diǎn)數(shù)目；p為學(xué)習(xí)樣本數(shù)目；

以某公司"1+4"鋁熱連軋現(xiàn)場(chǎng)采集的實(shí)測(cè)數(shù)據(jù)為訓(xùn)練樣本，剔除掉不穩(wěn)定軋制階段數(shù)據(jù)和奇異點(diǎn)數(shù)據(jù)，從三卷實(shí)測(cè)數(shù)據(jù)中選取200組數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練，選取第二卷、第三卷數(shù)據(jù)中100組數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)測(cè)試。

2）數(shù)據(jù)歸一化處理

由于網(wǎng)絡(luò)一般含有多個(gè)輸入，而每個(gè)輸入在數(shù)值上可能相差很大從而導(dǎo)致輸入變量之間不具有可比性。而對(duì)數(shù)S形函數(shù)的值域?yàn)閇0，1]，在靠近0和1兩端函數(shù)變化非常緩慢接近直線。為了防止大數(shù)將小數(shù)淹沒的情況發(fā)生，一般要對(duì)原訓(xùn)練數(shù)據(jù)進(jìn)行歸一化處理。本論文將原數(shù)據(jù)歸一化到[0.1，0.9]區(qū)間，公式如下：

4 神經(jīng)網(wǎng)絡(luò)修正軋制力過程

考慮到有四個(gè)機(jī)架，而每個(gè)機(jī)架具有相同的物理結(jié)構(gòu)，構(gòu)造4個(gè)具有相同結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型。從第一卷現(xiàn)場(chǎng)采集數(shù)據(jù)中讀取相關(guān)數(shù)據(jù)后，采用經(jīng)典軋制理論模型計(jì)算軋制力、軋制溫度和摩擦系數(shù)，然后進(jìn)行歸一化處理以確定神經(jīng)網(wǎng)絡(luò)的訓(xùn)練輸入、輸出數(shù)據(jù)。然后讀取第二卷數(shù)據(jù)，以傳統(tǒng)軋制力模型計(jì)算軋制力主項(xiàng)，以神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型誤差，得到網(wǎng)絡(luò)輸出后進(jìn)行反歸一化處理然后與軋制力主項(xiàng)相加，得到最終的軋制力。

5 神經(jīng)網(wǎng)絡(luò)軋制力修正結(jié)果與分析

以第一機(jī)架軋制力計(jì)算為例，將神經(jīng)網(wǎng)絡(luò)用選取的樣本數(shù)據(jù)訓(xùn)練好后，用測(cè)試數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，以檢測(cè)神經(jīng)網(wǎng)絡(luò)的泛化能力，驗(yàn)證神經(jīng)網(wǎng)絡(luò)的有效性。其中，用第一卷軋制數(shù)據(jù)作為樣本數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，用第二卷軋制數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證。神經(jīng)網(wǎng)絡(luò)對(duì)傳統(tǒng)模型軋制力進(jìn)行修正后預(yù)報(bào)情況圖1、2所示，從圖中可以看出，采用神經(jīng)網(wǎng)絡(luò)對(duì)傳統(tǒng)軋制力模型進(jìn)行修正后，軋制力預(yù)報(bào)精度得到提高。采用傳統(tǒng)模型計(jì)算軋制力，最大誤差為9.8380%，而采用神經(jīng)網(wǎng)絡(luò)修正后，第二卷鋁軋制力預(yù)報(bào)最大誤差為2.7962%，可見修正后軋制力模型預(yù)報(bào)精度得到進(jìn)一步的提高。

6 結(jié)論

本論文在考慮經(jīng)典軋制力數(shù)學(xué)模型與BP神經(jīng)網(wǎng)絡(luò)各自的優(yōu)缺點(diǎn)的基礎(chǔ)上，采用BP神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)軋制力模型相結(jié)合的方式用于軋制力的預(yù)報(bào)。計(jì)算結(jié)果表明，將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)模型結(jié)合起來，可以在一定程度上提高軋制力預(yù)報(bào)模型計(jì)。

參考文獻(xiàn)

[1] 張小平，秦建平. 軋制理論 [M].北京，冶金工業(yè)出版社，2006： 111-120.

[2] 張延華，劉相華，王國棟. BP神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型在中厚板板凸度預(yù)報(bào)中的綜合應(yīng)用[J]. 塑性工程學(xué)報(bào)，2005，12（4）：58-61.

[3] 王秀梅，王國棟，劉相華. 人工神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型在熱連機(jī)組軋制力預(yù)報(bào)中的綜合應(yīng)用[J].鋼鐵，1999，34（3）：39-40.

[4] 謝文蘭.對(duì)提高BP神經(jīng)網(wǎng)絡(luò)泛化能力的分析和總結(jié) [J]. 廣東科技，2011，14：72-73

作者簡(jiǎn)介：陽康（1988-）男， 湖南省衡東人，碩士研究生 ，國家知識(shí)產(chǎn)權(quán)局專利局專利審查協(xié)作廣東中心實(shí)審審查員，研究方向?yàn)殇X合金板帶軋制規(guī)程智能優(yōu)化設(shè)計(jì)； E-mail： yk_python@126.com