人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)軋制力在銅帶冷軋機(jī)中的應(yīng)用

夏宇 蘇旭濤

人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)軋制力在銅帶冷軋機(jī)中的應(yīng)用

夏宇，蘇旭濤

（中國(guó)重型機(jī)械研究院股份公司，陜西 西安? 710032）

摘? 要：傳統(tǒng)軋制力計(jì)算公式在銅帶冷軋軋制力預(yù)報(bào)中面臨計(jì)算精度不足的問(wèn)題，人工神經(jīng)網(wǎng)絡(luò)技術(shù)提供了一個(gè)嶄新的工具。BP神經(jīng)網(wǎng)絡(luò)應(yīng)用廣泛，且包含多種算法，本文利用多種算法的BP網(wǎng)絡(luò)對(duì)中國(guó)重型機(jī)械研究院股份公司設(shè)計(jì)的安徽楚江600mm四輥銅帶冷軋機(jī)軋制壓力進(jìn)行了預(yù)報(bào)，結(jié)果顯示traincgf算法總體誤差較小，效果良好。

關(guān)鍵詞：軋制力;銅帶;神經(jīng)網(wǎng)絡(luò);traincgf

中圖分類(lèi)號(hào)：TG333? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2019）08-0175-03

Abstract：Traditional rolling models can not give satisfied results in calculating the cold rolling force of copper strip.The technology of artificial neural networks has been provided as a new tool.At present，BP neural network is widely used，and has many algorithms. The rolling force of Anhui Chujiang 600mm Four-high strip cold rolling mill designed by China National Heavy Machinery Research Institute Co.，Ltd. is predicted by the various algorithms of BP network and the results show that the overall error of the traincgf algorithm is small and the effect is good.

Keywords：rolling force;copper strip;neural network;traincgf

0? ?引? 言

軋制力、能耗、軋制力矩等力能參數(shù)模型是冷軋中控制計(jì)算的基礎(chǔ)，而軋制力模型是計(jì)算力能參數(shù)模型的基礎(chǔ)，在提高冷軋精度和降低生產(chǎn)成本方面，具有相當(dāng)重要的意義。

神經(jīng)網(wǎng)絡(luò)是近二十年隨著計(jì)算機(jī)行業(yè)高速進(jìn)步而發(fā)展起來(lái)的模擬大腦生物過(guò)程因而具有人工智能的系統(tǒng)，是由大量的非線(xiàn)性單元連接而成的網(wǎng)絡(luò)，具有高精度和非線(xiàn)性的特點(diǎn)，只需根據(jù)給出的學(xué)習(xí)樣本，不需眾多軋制理論的假設(shè)，就可建立非線(xiàn)性輸入輸出映射關(guān)系，從控制的角度來(lái)看，金屬冷軋過(guò)程具有典型的多變量和非線(xiàn)性的特征。神經(jīng)網(wǎng)絡(luò)在解決非線(xiàn)性結(jié)構(gòu)性問(wèn)題上顯示了突出的優(yōu)點(diǎn)，它是解決這類(lèi)問(wèn)題的強(qiáng)有力的工具。

1? 問(wèn)題的提出

人工神經(jīng)網(wǎng)絡(luò)對(duì)處理大規(guī)模原始數(shù)據(jù)而無(wú)法用規(guī)則或公式描述的問(wèn)題，體現(xiàn)出很好的靈活性和自適應(yīng)性。

銅帶冷軋軋制力計(jì)算在以上兩方面都符合適用人工神經(jīng)網(wǎng)絡(luò)處理的條件：一方面，雖然理論界提出了大量數(shù)學(xué)模型和經(jīng)驗(yàn)公式來(lái)描述冷軋過(guò)程，但這些理論公式主要針對(duì)黑色金屬進(jìn)行研究，而對(duì)以銅合金為代表的有色金屬，其中的關(guān)鍵參數(shù)如工作輥與軋材之間的摩擦系數(shù)和材料強(qiáng)制屈服極限難以予以精確的測(cè)定。經(jīng)過(guò)驗(yàn)證，這些大量應(yīng)用于黑色金屬軋制的理論公式只有在潤(rùn)滑條件清晰的道次計(jì)算誤差較小，而潤(rùn)滑條件不清、屈服強(qiáng)度不明的道次誤差極大，這說(shuō)明這些前人總結(jié)的模型對(duì)銅帶冷軋過(guò)程的描述是有比較大的缺陷的。另一方面，通過(guò)生產(chǎn)實(shí)踐積累了大量的實(shí)際數(shù)據(jù)，這些數(shù)據(jù)需要通過(guò)適當(dāng)?shù)姆椒右院Y選和處理，提取出高價(jià)值的細(xì)節(jié)，這部分工作通過(guò)人工是難以完成，而對(duì)人工神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)，卻是它的強(qiáng)項(xiàng)。人工神經(jīng)網(wǎng)絡(luò)具有高精度和非線(xiàn)性的特點(diǎn)，只需根據(jù)給出的學(xué)習(xí)樣本，不需眾多軋制理論的假設(shè)，就可建立非線(xiàn)性輸入輸出映射關(guān)系，從控制的角度來(lái)看，金屬冷軋過(guò)程具有典型的多變量和非線(xiàn)性的特征。神經(jīng)網(wǎng)絡(luò)在解決非線(xiàn)性結(jié)構(gòu)性問(wèn)題上顯示了突出的優(yōu)點(diǎn)，它是解決這類(lèi)問(wèn)題的強(qiáng)有力的工具。

在本文論述的安徽楚江600mm四輥銅帶冷軋機(jī)軋制力計(jì)算就出現(xiàn)了上述問(wèn)題，在目前應(yīng)用于冷軋自動(dòng)控制的軋制力模型中，由于需要簡(jiǎn)化建模，不得不引入若干的假設(shè)，導(dǎo)致這些軋制力模型預(yù)報(bào)精度較低，無(wú)法滿(mǎn)足現(xiàn)代企業(yè)對(duì)高品質(zhì)銅帶生產(chǎn)的需要。即使在生產(chǎn)中采取有限元技術(shù)和自適應(yīng)技術(shù)，精度依然難以滿(mǎn)足需要。通過(guò)對(duì)100組樣本數(shù)據(jù)的計(jì)算，傳統(tǒng)三大冷軋理論計(jì)算公式采里科夫公式、斯通公式、希爾公式中誤差最小的希爾公式總體平均誤差也達(dá)到12.7%，單道次最大誤差達(dá)到23.3%。過(guò)大的軋制力計(jì)算誤差對(duì)現(xiàn)場(chǎng)的厚度控制及板型控制產(chǎn)生了極為不利的影響。

2? 計(jì)算方法

MATLAB是美國(guó)Mathworks公司發(fā)行的一套數(shù)值計(jì)算軟件，軟件中包括了大量工具箱，可通過(guò)修改其內(nèi)置的源程序構(gòu)成新的工具箱，避免了繁瑣的子程序編程任務(wù)。

為了提高預(yù)測(cè)精度，最有效的實(shí)施方案不是用神經(jīng)網(wǎng)絡(luò)直接預(yù)測(cè)軋制力，而是將神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的數(shù)學(xué)模型相結(jié)合，以發(fā)揮各自的特長(zhǎng)。解決提高單獨(dú)使用傳統(tǒng)計(jì)算公式精度和直接使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)軋制力在學(xué)習(xí)樣本和測(cè)試樣本的輸入數(shù)據(jù)有一些偏差情況下預(yù)測(cè)精度不佳的問(wèn)題。

這個(gè)方法的思想是利用經(jīng)過(guò)優(yōu)化的軋制力數(shù)學(xué)模型預(yù)測(cè)軋制力主值，利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)軋制力的偏差，綜合兩者作為軋制力的預(yù)測(cè)值。這種數(shù)學(xué)模型與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法充分利用了兩者的優(yōu)點(diǎn)：（1）理論計(jì)算公式具有堅(jiān)實(shí)的理論依據(jù)，能夠反映出軋制力變化的主要趨勢(shì)，特別是經(jīng)過(guò)優(yōu)化后的計(jì)算公式，在各種輸入數(shù)據(jù)條件下都具有較好的預(yù)測(cè)精度，因此用來(lái)預(yù)測(cè)軋制力的主值;（2）BP神經(jīng)網(wǎng)絡(luò)容易反映各種干擾因素對(duì)軋制力的影響，適合用來(lái)糾正軋制力的偏差。

將以上兩個(gè)優(yōu)點(diǎn)相結(jié)合，可以達(dá)到優(yōu)于單獨(dú)使用任何一種方式的效果。在實(shí)際使用上，考慮到現(xiàn)有軋機(jī)控制系統(tǒng)的改造和軟件維護(hù)，完全拋棄數(shù)學(xué)模型另起爐灶未必是最好的選擇。因而，從兩方面同時(shí)入手，即一方面優(yōu)化理論計(jì)算公式，預(yù)測(cè)軋制力主值，另一方面輔以BP神經(jīng)網(wǎng)絡(luò)為其糾正偏差，這樣做的好處是對(duì)現(xiàn)有控制系統(tǒng)改動(dòng)小，技術(shù)難度和風(fēng)險(xiǎn)也小。根據(jù)以上思路，開(kāi)發(fā)了乘法糾偏網(wǎng)絡(luò)。由于本文軋機(jī)本身的因素，數(shù)值大小比較穩(wěn)定，包括軋輥輥系與機(jī)架之間的摩擦力，工作輥彎輥力的影響等，這部分因素影響較小。

乘法糾偏網(wǎng)絡(luò)的數(shù)學(xué)表達(dá)式如下：Pm=P*X

式中：Pm為軋制力的主值，由經(jīng)過(guò)優(yōu)化的軋制力數(shù)學(xué)模型預(yù)測(cè);P為軋制力的實(shí)測(cè)值;X為軋制力的偏差系數(shù)。

圖1? 乘法糾偏網(wǎng)絡(luò)結(jié)構(gòu)圖

本節(jié)中的乘法糾偏BP神經(jīng)網(wǎng)絡(luò)采用三層結(jié)構(gòu)：輸入層節(jié)點(diǎn)數(shù)為5，隱含層節(jié)點(diǎn)數(shù)為10，輸出層節(jié)點(diǎn)數(shù)為1，輸入層到隱含層的激活函數(shù)選用logsig對(duì)數(shù)函數(shù)，隱含層到輸出層的激活函數(shù)選用pureline線(xiàn)性函數(shù)，建好的乘法糾偏網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

3? 計(jì)算結(jié)果

本文的樣本數(shù)據(jù)來(lái)源于安徽楚江600mm四輥銅帶粗軋機(jī)四個(gè)軋程工藝數(shù)據(jù)，預(yù)先對(duì)軋制工藝數(shù)據(jù)進(jìn)行篩選，使BP網(wǎng)絡(luò)輸入層只包含強(qiáng)制屈服極限、入口厚度、出口厚度、銅帶寬度、軋輥半徑這五個(gè)輸入條件也是對(duì)研究對(duì)象影響最大的因素，排除掉其他干擾因素之后，輸出層只包含本文的研究對(duì)象即軋制力。通過(guò)對(duì)軋制工藝數(shù)據(jù)的學(xué)習(xí)來(lái)對(duì)以外的工藝樣本數(shù)據(jù)進(jìn)行預(yù)報(bào)，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)軋制力與實(shí)測(cè)軋制力的誤差如表1所示。從表1可以看出，traincgf平均誤差最小，平均誤差為4.6%，最大的道次誤差為9.4%，均顯著小于理論公式的計(jì)算誤差。

圖2為traincgf算法的BP網(wǎng)絡(luò)訓(xùn)練誤差變化圖，從圖2中可以看出，訓(xùn)練次數(shù)在864次時(shí)達(dá)到了預(yù)先設(shè)定目標(biāo)，BP網(wǎng)絡(luò)訓(xùn)練性能曲線(xiàn)趨勢(shì)下降很快，整體比較平緩，沒(méi)有明顯起伏。

4? 結(jié)? 論

將BP神經(jīng)網(wǎng)絡(luò)中的幾種算法應(yīng)用于軋制工藝數(shù)據(jù)，五種算法的平均誤差差距不大，都在5%到10%之間，其中traincgf算法的誤差最小，在本文銅軋機(jī)4個(gè)軋程中的最大偏差為0.094，平均偏差為0.046，顯著小于廣泛使用的理論公式計(jì)算誤差，且回歸曲線(xiàn)證明跟蹤能力優(yōu)秀。BP乘法糾偏神經(jīng)網(wǎng)絡(luò)反映的偏差值與軋制力的大小相關(guān)，主要反映了對(duì)軋制力公式中的各項(xiàng)相關(guān)參數(shù)的修正，包括摩擦系數(shù)，強(qiáng)制屈服極限等，這部分因素占主導(dǎo)，則其計(jì)算誤差較小，應(yīng)用于銅帶冷軋機(jī)軋制力預(yù)報(bào)可以取得良好的效果。

參考文獻(xiàn)：

[1] 馬銳.人工神經(jīng)網(wǎng)絡(luò)原理 [M].北京：機(jī)械工業(yè)出版社，2014.

[2] 謝東鋼，高林林.我國(guó)冷軋板帶材生產(chǎn)技術(shù)現(xiàn)狀及發(fā)展方向 [J].重型機(jī)械，2011（4）：2-6.

[3] 楊景明，竇富萍，周濤，等.基于MATLAB和VB神經(jīng)網(wǎng)絡(luò)在軋制力預(yù)報(bào)中的應(yīng)用 [J].冶金設(shè)備，2006（5）：13-16+ 29.

[4] 周品.MATLAB神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與應(yīng)用 [M].北京：清華大學(xué)出版社，2013.

作者簡(jiǎn)介：夏宇（1981.07-），男，漢族，四川瀘州人，在職研究生，高級(jí)工程師，研究方向：板帶軋制設(shè)備的研究、開(kāi)發(fā)和推廣;蘇旭濤（1985.09-），男，漢族，河北邯鄲人，工程師，碩士研究生，研究方向：板帶軋制設(shè)備的研究、開(kāi)發(fā)和推廣。