基于軋制信息的鋼坯熱軋過程智能建模研究.pdf

1、對鋼坯熱軋過程以節(jié)能降耗為目標(biāo)的控制模型和控制方法的研究，一直是鋼鐵冶金自動化領(lǐng)域的研究重點之一，但以往的研究多集中于鋼坯加熱過程或者軋制過程，割裂了兩者在生產(chǎn)上的連續(xù)性和在能耗上的相關(guān)性，不能實現(xiàn)整個熱軋生產(chǎn)線能耗的最小化。為此本文從生產(chǎn)過程特性出發(fā)，系統(tǒng)分析了熱軋過程建模需要解決的難點，提出了基于軋制信息反饋的熱軋過程智能建模的新方法。 由于鋼坯熱軋過程特性復(fù)雜，應(yīng)用傳統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)方法建模存在模糊規(guī)則數(shù)目多，不可調(diào)等問題，

2、對此本文提出了一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的熱軋生產(chǎn)過程建模方法。該方法可根據(jù)訓(xùn)練樣本數(shù)據(jù)的分布情況來靈活劃分模糊集合，從而保證以較少的模糊規(guī)則得到理想的建模精度。針對上述ANFIS方法，進一步提出了一種兩步混合學(xué)習(xí)算法：首先采用最近聚類算法確定網(wǎng)絡(luò)的結(jié)構(gòu)和初始參數(shù)，然后采用梯度下降法對參數(shù)做進一步調(diào)整。仿真結(jié)果表明，該算法收斂速度比傳統(tǒng)BP算法快。 針對兩步混和學(xué)習(xí)算法不能解決模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練容易陷入局部極小值

3、的問題，本文利用人工免疫系統(tǒng)(AIS)的數(shù)據(jù)聚類方法，并通過對傳統(tǒng)AIS聚類算法進行優(yōu)化，提出了對人工免疫網(wǎng)絡(luò)算法參數(shù)的優(yōu)化設(shè)定方法。仿真結(jié)果表明，該方法提高了網(wǎng)絡(luò)的訓(xùn)練速度，避免了聚類規(guī)則數(shù)大幅波動的現(xiàn)象，解決了熱軋生產(chǎn)過程建模中神經(jīng)網(wǎng)絡(luò)訓(xùn)練容易陷入局部極小值的問題。 利用熱軋生產(chǎn)數(shù)據(jù)對基于AIS聚類的自適應(yīng)神經(jīng)模糊推理系統(tǒng)建模方法的仿真結(jié)果表明，該方法具有結(jié)構(gòu)簡單、學(xué)習(xí)速度快、規(guī)則數(shù)少、建模精度高等優(yōu)點，能夠有效處理如鋼坯熱