【摘要】：為提高鋁熱連軋軋制力預(yù)報精度,滿足現(xiàn)場生產(chǎn)需求,采用改進遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)建立鋁熱連軋軋制力的智能模型。以河南某1+4鋁熱連軋廠連軋實測數(shù)據(jù)作為實驗樣本,在遺傳算法的初始化和變異機制中引入混沌序列,同時選擇最優(yōu)保存機制、動態(tài)調(diào)整交叉率和變異率等方法,提出了改進的遺傳算法,并將其與改進的BP算法相結(jié)合,對多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)值閾值進行優(yōu)化,避免學習中陷入局部最小,使模型最終具有了良好的收斂性和適應(yīng)性。網(wǎng)絡(luò)預(yù)測結(jié)果與實測數(shù)據(jù)的相對誤差基本在10%以內(nèi),該預(yù)測精度明顯優(yōu)于傳統(tǒng)數(shù)學模型,實現(xiàn)了鋁熱連軋軋制力的高精度預(yù)測。
【圖文】：

c，vnc分別為現(xiàn)場實際測量的末機架出口厚度和末機架速度;L為4個機架間總距離，m。1．2BP神經(jīng)網(wǎng)絡(luò)模型BP神經(jīng)網(wǎng)絡(luò)由輸入層、一個或多個隱含層及輸出層組成，圖1表示有一個隱層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。由于軋制力與很多因素有關(guān)，如張力，，變形抗力，終軋溫度等，因此本文采用的神經(jīng)網(wǎng)絡(luò)輸入為入口厚度，出口厚度，板帶的前張力、后張力，板帶寬度，累積長度，軋輥半徑，終軋溫度。圖中Ho為入口厚度;Hi為出口厚度;Tb為后張力;Tf為前張力;W為板帶寬度;L為累計的軋板長度;Ｒ為軋輥半徑;CT為終軋溫度。圖1BP網(wǎng)絡(luò)結(jié)構(gòu)隱節(jié)點個數(shù)的選取直接影響了神經(jīng)網(wǎng)絡(luò)的預(yù)測精度。針對該問題，本文通過神經(jīng)網(wǎng)絡(luò)訓練來確定隱含層的個數(shù)，首先根據(jù)經(jīng)驗公式確定隱含層的節(jié)點數(shù)目范圍，本文中BP網(wǎng)絡(luò)輸入節(jié)點為8，隱層節(jié)點范圍為9～18。通過誤差對比確定最佳的隱含層神經(jīng)元個數(shù)。以某“1+4”鋁熱連軋廠現(xiàn)場采集的400組數(shù)據(jù)進行神經(jīng)網(wǎng)絡(luò)訓練，首先對輸入數(shù)據(jù)進行歸一化，然后對每一個神經(jīng)網(wǎng)絡(luò)進行訓練，最大迭代次數(shù)為3000，學習率及動量項均為0．03。其結(jié)果如表1所示。表1網(wǎng)絡(luò)訓練誤差隱層節(jié)點數(shù)均方差90．01020100．00927110．00868120．00950130．00798140．00806150．00786160．00768170．00702180．00782表1表明在經(jīng)過3000次訓練后，隱含層節(jié)點數(shù)為17的BP網(wǎng)絡(luò)的預(yù)測效果最好，因此本文的BP網(wǎng)絡(luò)拓撲結(jié)構(gòu)為8－17－1。BP網(wǎng)絡(luò)的輸入層與隱含層之間采用雙曲正切傳遞函數(shù)，隱含層和輸出層采用一階線性傳遞函數(shù)，學習112礦冶工程第35卷

圖2遺傳算法優(yōu)化BP流程圖其中－10≤x1，x2≤10，該函數(shù)是一個復(fù)雜的多模問題，具有大量局部極值點，最小值為－1。2種算法分別對2個函數(shù)運行20次取平均運算，其中混沌序列的初值為0．65，交叉率pc的上下限為0.5和0．8，變異率pm的上線限為0．01和0．1，，最大迭代次數(shù)為200;基本遺傳算法交叉率為0．6，變異率為0．01，最大迭代次數(shù)為200。結(jié)果如表2所示。表2優(yōu)化測試結(jié)果對比函數(shù)算法最優(yōu)值平均值平均迭代次數(shù)F1遺傳算法改進遺傳－1．03－1．0316－0．8137－1．02687．1529．35F2遺傳算法改進遺傳－0．9988－0．9996－0．7026－0．94679418．13應(yīng)用實例本文以河南某鋁廠熱連軋精軋機組為研究對象，其鋁熱連軋多機架連軋機組是由1臺可逆熱粗軋機和4臺不可逆精軋機串聯(lián)而構(gòu)成的連軋生產(chǎn)線。根據(jù)現(xiàn)場實際數(shù)據(jù)，采用改進遺傳算法對BP網(wǎng)絡(luò)進行優(yōu)化，從而得到BP網(wǎng)絡(luò)權(quán)值、閾值初值設(shè)定的最佳參數(shù)。遺傳算法優(yōu)化BP網(wǎng)絡(luò)的目的是在滿足精度要求的基礎(chǔ)上使網(wǎng)絡(luò)的初始權(quán)值和閾值，網(wǎng)絡(luò)的誤差達最小值。因此，適應(yīng)度函數(shù)為:Jmin=min∑ni=1Pci－PyiPci(14)式中n為帶材數(shù);Pci為軋制力的實測值;Pyi為神經(jīng)網(wǎng)絡(luò)預(yù)測軋制力。根據(jù)現(xiàn)場采集的5052鋁合金軋制數(shù)據(jù)，選取500組數(shù)據(jù)，其中400組數(shù)據(jù)用來訓練，100組數(shù)據(jù)用來測試。采用的改進遺傳各參數(shù)選擇如下:初始種群個數(shù)N取20，最大進化代數(shù)取300，混沌序列的初值為0.65，交叉率pc的上下限為0．5和0．8，變異率pm的上線限為0．01和0．1，學習率及動量項均為0．03。采用改進后的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的最終結(jié)果為3.1847×10－4。仿真圖如圖3所示。圖3適應(yīng)度曲線將該算法優(yōu)化后的權(quán)值和閾值作為神經(jīng)
【作者單位】： 燕山大學工業(yè)計算機控制工程河北省重點實驗室;國家冷軋板帶裝備及工藝工程技術(shù)研究中心;
【基金】：河北省科技支撐計劃項目(13211817) 河北省高等學校創(chuàng)新團隊領(lǐng)軍人才培訓計劃項目(LJRC013)資助
【分類號】：TG331

【參考文獻】

相關(guān)期刊論文 前8條

1 袁曉輝;袁艷斌;王乘;張勇傳;;一種新型的自適應(yīng)混沌遺傳算法[J];電子學報;2006年04期

2 楊景明;孫曉娜;車海軍;劉暢;;基于蟻群算法的神經(jīng)網(wǎng)絡(luò)冷連軋機軋制力預(yù)報[J];鋼鐵;2009年03期

3 李海軍;王國棟;徐建忠;劉相華;;使用變尺度混合遺傳算法進行熱軋負荷分配優(yōu)化[J];鋼鐵研究學報;2007年08期

4 駱晨鐘,邵惠鶴;采用混沌變異的進化算法[J];控制與決策;2000年05期

5 鞏敦衛(wèi),朱美強,郭西進,李明;一種新的基于混沌變異解決早熟收斂的遺傳算法[J];控制與決策;2003年06期

6 楊景明;陳楊;趙志偉;孫浩;車海軍;;基于Φ函數(shù)的鋁熱連軋防打滑軋制規(guī)程優(yōu)化[J];礦冶工程;2013年05期

7 張世華,雎剛;一種實數(shù)編碼的自適應(yīng)遺傳算法及其在熱工過程辨識中的應(yīng)用研究[J];中國電機工程學報;2004年02期

8 魏立新;李興強;李瑩;楊景明;;基于自適應(yīng)遺傳算法的冷連軋軋制力模型自學習[J];軋鋼;2010年03期

【共引文獻】

相關(guān)期刊論文 前10條

1 彭智;謝玲;;混合優(yōu)化算法的全局收斂性分析[J];北京理工大學學報;2012年04期

2 程加堂;艾莉;熊偉;;基于蟻群神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷[J];軸承;2012年02期

3 陳金明;耿麗娜;鄭志強;;基于遺傳算法的制導(dǎo)炸彈最優(yōu)滑翔彈道研究[J];彈箭與制導(dǎo)學報;2008年03期

4 張萍;魏平;于鴻洋;費春;;基于混沌的生物地理分布優(yōu)化算法[J];電子科技大學學報;2012年01期

5 曹蘊;李科陽;姚煜;;基于改進混沌遺傳算法的配電網(wǎng)架優(yōu)化[J];電力科學與工程;2009年05期

6 何禹清;彭建春;毛麗林;曹麗華;;含多個風電機組的配電網(wǎng)無功優(yōu)化[J];電力系統(tǒng)自動化;2010年19期

7 陽文學;;自適應(yīng)兩段克隆選擇算法及其函數(shù)優(yōu)化應(yīng)用[J];電腦知識與技術(shù);2010年30期

8 李欣然;金群;劉艷陽;林舜江;陳輝華;唐外文;;遺傳策略的綜合改進及其在負荷建模中的應(yīng)用[J];電網(wǎng)技術(shù);2006年11期

9 周林;栗秋華;張鳳;;遺傳投影尋蹤插值模型在電能質(zhì)量綜合評估中的應(yīng)用[J];電網(wǎng)技術(shù);2007年07期

10 袁曉輝;袁艷斌;王乘;張勇傳;;一種新型的自適應(yīng)混沌遺傳算法[J];電子學報;2006年04期

相關(guān)會議論文 前8條

1 王焱;胡海清;;數(shù)據(jù)驅(qū)動的熱軋智能負荷分配[A];中國自動化學會控制理論專業(yè)委員會D卷[C];2011年

2 張啟義;梅冬;陳亮;;一種遺傳算法交叉操作的改進[A];中國運籌學會第十屆學術(shù)交流會論文集[C];2010年

3 ;Electromagnetism-like Mechanism Particle Swarm Optimization and Application in Thermal Process Model Identification[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

4 ;Real-coding Genetic Algorithm-based Model Identification for Bed Temperature of 300MW CFB Boiler[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

5 何大闊;王福利;;變焦加速進化遺傳算法[A];第二十屆中國控制會議論文集（上）[C];2001年

6 陳向陽;苗廣祥;牛玉廣;;基于遺傳算法的兩類熱工對象的模型辨識[A];中國自動化學會全國第九屆自動化新技術(shù)學術(shù)交流會論文集[C];2004年

7 康波;呂炳朝;;一種混沌遺傳算法及其在測試生成中的應(yīng)用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

8 張育;張祖群;;BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型在水體富營養(yǎng)化預(yù)測的國內(nèi)進展[A];中國人口·資源與環(huán)境2013年�？�2013中國可持續(xù)發(fā)展論壇（一）[C];2013年

相關(guān)博士學位論文 前10條

1 張明明;面向量子可逆邏輯自動綜合的多目標進化算法研究[D];東華大學;2010年

2 張萍;基于群智能優(yōu)化的運動估計算法研究[D];電子科技大學;2011年

3 李軍華;基于知識和多種群進化的遺傳算法研究[D];南京航空航天大學;2009年

4 武星;視覺導(dǎo)航的輪式移動機器人運動控制技術(shù)研究[D];南京航空航天大學;2010年

5 黃越;數(shù)字集成電路自動測試生成算法研究[D];江南大學;2012年

6 姚俊峰;人工智能與混沌理論在銅锍吹煉爐實時仿真與優(yōu)化決策中的應(yīng)用研究[D];中南大學;2001年

7 康波;混沌控制與混沌優(yōu)化及其在組合電路測試生成中的應(yīng)用研究[D];電子科技大學;2003年

8 宋曉峰;優(yōu)生演進優(yōu)化和統(tǒng)計學習建模[D];浙江大學;2003年

9 周斌;基于BP神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機排放性能建模與應(yīng)用研究[D];西南交通大學;2004年

10 王瑞明;交流伺服驅(qū)動系統(tǒng)新型控制策略研究[D];浙江大學;2005年

相關(guān)碩士學位論文 前10條

1 裴勝玉;多目標粒子群優(yōu)化算法及其應(yīng)用[D];廣西民族大學;2010年

2 陽文學;克隆選擇算法及其在數(shù)據(jù)挖掘分類中的應(yīng)用研究[D];重慶師范大學;2011年

3 張媛媛;智能算法在300MW循環(huán)流化床鍋爐建模中的研究[D];華北電力大學（北京）;2011年

4 黃存堅;執(zhí)行器氣動定位系統(tǒng)的實驗建模[D];杭州電子科技大學;2011年

5 杜新武;基于數(shù)據(jù)挖掘的銷售預(yù)測研究[D];山東輕工業(yè)學院;2011年

6 陳超;自適應(yīng)遺傳算法的改進研究及其應(yīng)用[D];華南理工大學;2011年

7 馮超;配電網(wǎng)無功補償容量優(yōu)化配置[D];華南理工大學;2011年

8 郭國林;基于進化計算的無人機航跡規(guī)劃研究[D];電子科技大學;2011年

9 杜勇;4200軋機軋制過程的非線性特性及其振動研究[D];鄭州大學;2011年

10 葉甲秋;自動導(dǎo)向小車（AGV）驅(qū)動系統(tǒng)辨識與動態(tài)特性分析[D];南京航空航天大學;2010年

【二級參考文獻】

相關(guān)期刊論文 前10條

1 張昀;進化速率的研究與進化理論的統(tǒng)一[J];北京大學學報(自然科學版);1997年06期

2 王梓坤;論混沌與隨機[J];北京師范大學學報(自然科學版);1994年02期

3 王軍生,矯志杰,趙啟林,劉相華;冷連軋過程控制在線負荷分配及修正計算[J];東北大學學報;2001年04期

4 許曉晶,饒妮妮;一類改進遺傳算法的圖像信息恢復(fù)研究[J];電子學報;2004年07期

5 白振華,連家創(chuàng),王駿飛;冷連軋機以預(yù)防打滑為目標的壓下規(guī)程優(yōu)化研究[J];鋼鐵;2003年10期

6 董敏;劉才;李國友;;軋制力預(yù)報問題中動態(tài)網(wǎng)絡(luò)模型的實現(xiàn)[J];鋼鐵;2006年12期

7 白金蘭;王軍生;王國棟;劉相華;;提高冷軋過程控制軋制力模型的設(shè)定精度[J];鋼鐵研究學報;2006年03期

8 張揚;曲延濱;;基于蟻群算法與神經(jīng)網(wǎng)絡(luò)的機械故障診斷方法[J];機床與液壓;2007年07期

9 蔣玲艷;張軍;鐘樹鴻;;蟻群算法的參數(shù)分析[J];計算機工程與應(yīng)用;2007年20期

10 武賀;呂立華;;板帶軋機負荷分配方法的綜述[J];控制工程;2009年S2期

【相似文獻】

相關(guān)期刊論文 前10條

1 張虎;戴景民;唐紅;辛春鎖;;改進的遺傳算法在粒徑測量中的應(yīng)用[J];光電工程;2008年09期

2 武友德;;基于遺傳算法的車削用量優(yōu)化[J];機床與液壓;2007年06期

3 匡宇國;李小英;;基于遺傳算法的氧化生產(chǎn)調(diào)度應(yīng)用[J];電鍍與環(huán)保;2007年04期

4 宋仁國,董敏,張奇志,張寶金,曾梅光;7175鋁合金工藝優(yōu)化的遺傳算法[J];材料科學與工程;1998年01期

5 朱迅;楊麗波;劉萬輝;;基于改進遺傳算法的拉絲機壓縮比優(yōu)化設(shè)計研究[J];煤礦機械;2012年12期

6 夏建生;竇沙沙;;拉延模加強筋尺寸優(yōu)化的智能遺傳算法[J];機械設(shè)計與研究;2010年05期

7 艾延廷;田晶;高紅池;;基于多元質(zhì)量損失與遺傳算法的裝配質(zhì)量優(yōu)化技術(shù)研究[J];中國機械工程;2012年10期

8 陳青艷;廖傳林;胡成龍;;非支配排序最優(yōu)保留遺傳算法的低成本車削[J];機床與液壓;2013年21期

9 羅仁平,姚華,彭穎紅,張永清;預(yù)鍛模形狀設(shè)計優(yōu)化的新方法──微觀遺傳算法[J];中國機械工程;2001年02期

10 高金蓮;楊杰;李春書;;基于遺傳算法的裝配作業(yè)優(yōu)化[J];機械設(shè)計;2007年01期

相關(guān)會議論文 前2條

1 范勝波;王太勇;汪文津;冷永剛;;遺傳算法在切削力公式參數(shù)辨識中的應(yīng)用[A];2005年中國機械工程學會年會論文集[C];2005年

2 張娜;張文志;焦時光;;基于遺傳算法的棒材孔型多目標優(yōu)化設(shè)計[A];2006中國金屬學會青年學術(shù)年會論文集[C];2006年

相關(guān)博士學位論文 前1條

1 廖平;基于遺傳算法的形狀誤差計算研究[D];中南大學;2002年

相關(guān)碩士學位論文 前10條

1 葛治亮;基于遺傳算法的精密校直機電液伺服系統(tǒng)的研究[D];合肥工業(yè)大學;2010年

2 胡威;基于遺傳算法的數(shù)控壓齒機支撐體的優(yōu)化設(shè)計[D];哈爾濱工程大學;2009年

3 陳星宇;基于改進遺傳算法的裝配生產(chǎn)線平衡技術(shù)研究[D];上海交通大學;2011年

4 張慶旭;基于遺傳算法的車削用量優(yōu)化研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2009年

5 費俊鋒;基于遺傳算法的復(fù)雜機械產(chǎn)品分組選擇裝配方法研究[D];電子科技大學;2013年

6 王超;基于遺傳算法的產(chǎn)品裝配生產(chǎn)調(diào)度優(yōu)化研究[D];武漢大學;2005年

7 周洪波;改進的遺傳算法及其在H型鋼連軋張力控制中的應(yīng)用研究[D];燕山大學;2007年

8 李浩;基于遺傳算法的沖壓車間調(diào)度算法研究與系統(tǒng)實現(xiàn)[D];華中科技大學;2009年

9 張青;基于遺傳算法的數(shù)控車間作業(yè)調(diào)度系統(tǒng)研究及其應(yīng)用[D];武漢理工大學;2006年

10 石長云;基于多層次遺傳算法的機械產(chǎn)品整體方案設(shè)計的研究[D];沈陽理工大學;2013年

本文編號：2544100