【摘要】：為提高鋁熱連軋軋制力預(yù)報(bào)精度,滿足現(xiàn)場(chǎng)生產(chǎn)需求,采用改進(jìn)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(shí)測(cè)數(shù)據(jù)作為實(shí)驗(yàn)樣本,在遺傳算法的初始化和變異機(jī)制中引入混沌序列,同時(shí)選擇最優(yōu)保存機(jī)制、動(dòng)態(tài)調(diào)整交叉率和變異率等方法,提出了改進(jìn)的遺傳算法,并將其與改進(jìn)的BP算法相結(jié)合,對(duì)多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)值閾值進(jìn)行優(yōu)化,避免學(xué)習(xí)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(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)的相對(duì)誤差基本在10%以內(nèi),該預(yù)測(cè)精度明顯優(yōu)于傳統(tǒng)數(shù)學(xué)模型,實(shí)現(xiàn)了鋁熱連軋軋制力的高精度預(yù)測(cè)。
【圖文】：

c，vnc分別為現(xiàn)場(chǎng)實(shí)際測(cè)量的末機(jī)架出口厚度和末機(jī)架速度;L為4個(gè)機(jī)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(gè)或多個(gè)隱含層及輸出層組成，圖1表示有一個(gè)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(zhǎng)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(jì)的軋板長(zhǎng)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(diǎn)個(gè)數(shù)的選取直接影響了神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度。針對(duì)該問題，本文通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練來確定隱含層的個(gè)數(shù)，首先根據(jù)經(jīng)驗(yàn)公式確定隱含層的節(jié)點(diǎn)數(shù)目范圍，本文中BP網(wǎng)絡(luò)輸入節(jié)點(diǎn)為8，隱層節(jié)點(diǎn)范圍為9～18。通過誤差對(duì)比確定最佳的隱含層神經(jīng)元個(gè)數(shù)。以某“1+4”鋁熱連軋廠現(xiàn)場(chǎng)采集的400組數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，首先對(duì)輸入數(shù)據(jù)進(jìn)行歸一化，然后對(duì)每一個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最大迭代次數(shù)為3000，學(xué)習(xí)率及動(dòng)量項(xiàng)均為0．03。其結(jié)果如表1所示。表1網(wǎng)絡(luò)訓(xùn)練誤差隱層節(jié)點(diǎn)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(xùn)練后，隱含層節(jié)點(diǎn)數(shù)為17的BP網(wǎng)絡(luò)的預(yù)測(cè)效果最好，因此本文的BP網(wǎng)絡(luò)拓?fù)浣Y(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(xué)習(xí)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(gè)復(fù)雜的多模問題，具有大量局部極值點(diǎn)，最小值為－1。2種算法分別對(duì)2個(gè)函數(shù)運(yùn)行20次取平均運(yùn)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(cè)試結(jié)果對(duì)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(jìn)遺傳－1．03－1．0316－0．8137－1．02687．1529．35F2遺傳算法改進(jìn)遺傳－0．9988－0．9996－0．7026－0．94679418．13應(yīng)用實(shí)例本文以河南某鋁廠熱連軋精軋機(jī)組為研究對(duì)象，其鋁熱連軋多機(jī)架連軋機(jī)組是由1臺(tái)可逆熱粗軋機(jī)和4臺(tái)不可逆精軋機(jī)串聯(lián)而構(gòu)成的連軋生產(chǎn)線。根據(jù)現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)，采用改進(jìn)遺傳算法對(duì)BP網(wǎng)絡(luò)進(jìn)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(dá)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(shí)測(cè)值;Pyi為神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)軋制力。根據(jù)現(xiàn)場(chǎng)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(xùn)練，100組數(shù)據(jù)用來測(cè)試。采用的改進(jìn)遺傳各參數(shù)選擇如下:初始種群個(gè)數(shù)N取20，最大進(jìn)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(xué)習(xí)率及動(dòng)量項(xiàng)均為0．03。采用改進(jìn)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(xué)工業(yè)計(jì)算機(jī)控制工程河北省重點(diǎn)實(shí)驗(yàn)室;國(guó)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(jì)劃項(xiàng)目(13211817) 河北省高等學(xué)校創(chuàng)新團(tuán)隊(duì)領(lǐng)軍人才培訓(xùn)計(jì)劃項(xiàng)目(LJRC013)資助
【分類號(hào)】：TG331

【參考文獻(xiàn)】

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(xué)報(bào);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(jī)軋制力預(yù)報(bào)[J];鋼鐵;2009年03期

3 李海軍;王國(guó)棟;徐建忠;劉相華;;使用變尺度混合遺傳算法進(jìn)行熱軋負(fù)荷分配優(yōu)化[J];鋼鐵研究學(xué)報(bào);2007年08期

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

5 鞏敦衛(wèi),朱美強(qiáng),郭西進(jìn),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(shí)數(shù)編碼的自適應(yīng)遺傳算法及其在熱工過程辨識(shí)中的應(yīng)用研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2004年02期

8 魏立新;李興強(qiáng);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(xué)習(xí)[J];軋鋼;2010年03期

【共引文獻(xiàn)】

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(xué)學(xué)報(bào);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(dòng)軸承故障診斷[J];軸承;2012年02期

3 陳金明;耿麗娜;鄭志強(qiáng);;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(xué)報(bào);2008年03期

4 張萍;魏平;于鴻洋;費(fèi)春;;基于混沌的生物地理分布優(yōu)化算法[J];電子科技大學(xué)學(xué)報(bào);2012年01期

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

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

7 陽文學(xué);;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(shí)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(jìn)及其在負(fù)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(píng)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(xué)報(bào);2006年04期

相關(guān)會(huì)議論文 前8條

1 王焱;胡海清;;數(shù)據(jù)驅(qū)動(dòng)的熱軋智能負(fù)荷分配[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)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(jìn)[A];中國(guó)運(yùn)籌學(xué)會(huì)第十屆學(xué)術(shù)交流會(huì)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(jìn)化遺傳算法[A];第二十屆中國(guó)控制會(huì)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(duì)象的模型辨識(shí)[A];中國(guó)自動(dòng)化學(xué)會(huì)全國(guó)第九屆自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2004年

7 康波;呂炳朝;;一種混沌遺傳算法及其在測(cè)試生成中的應(yīng)用[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[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(yíng)養(yǎng)化預(yù)測(cè)的國(guó)內(nèi)進(jìn)展[A];中國(guó)人口·資源與環(huán)境2013年專刊——2013中國(guó)可持續(xù)發(fā)展論壇（一）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 張明明;面向量子可逆邏輯自動(dòng)綜合的多目標(biāo)進(jìn)化算法研究[D];東華大學(xué);2010年

2 張萍;基于群智能優(yōu)化的運(yùn)動(dòng)估計(jì)算法研究[D];電子科技大學(xué);2011年

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

4 武星;視覺導(dǎo)航的輪式移動(dòng)機(jī)器人運(yùn)動(dòng)控制技術(shù)研究[D];南京航空航天大學(xué);2010年

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

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

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

8 宋曉峰;優(yōu)生演進(jìn)優(yōu)化和統(tǒng)計(jì)學(xué)習(xí)建模[D];浙江大學(xué);2003年

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

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

相關(guān)碩士學(xué)位論文 前10條

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

2 陽文學(xué);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(xué);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(xué)（北京）;2011年

4 黃存堅(jiān);執(zhí)行器氣動(dòng)定位系統(tǒng)的實(shí)驗(yàn)建模[D];杭州電子科技大學(xué);2011年

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

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

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

8 郭國(guó)林;基于進(jìn)化計(jì)算的無人機(jī)航跡規(guī)劃研究[D];電子科技大學(xué);2011年

9 杜勇;4200軋機(jī)軋制過程的非線性特性及其振動(dòng)研究[D];鄭州大學(xué);2011年

10 葉甲秋;自動(dòng)導(dǎo)向小車（AGV）驅(qū)動(dòng)系統(tǒng)辨識(shí)與動(dòng)態(tài)特性分析[D];南京航空航天大學(xué);2010年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張昀;進(jìn)化速率的研究與進(jìn)化理論的統(tǒng)一[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);1997年06期

2 王梓坤;論混沌與隨機(jī)[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)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(fù)荷分配及修正計(jì)算[J];東北大學(xué)學(xué)報(bào);2001年04期

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

5 白振華,連家創(chuàng),王駿飛;冷連軋機(jī)以預(yù)防打滑為目標(biāo)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(guó)友;;軋制力預(yù)報(bào)問題中動(dòng)態(tài)網(wǎng)絡(luò)模型的實(shí)現(xiàn)[J];鋼鐵;2006年12期

7 白金蘭;王軍生;王國(guó)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(xué)報(bào);2006年03期

8 張揚(yáng);曲延濱;;基于蟻群算法與神經(jīng)網(wǎng)絡(luò)的機(jī)械故障診斷方法[J];機(jī)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(jì)算機(jī)工程與應(yīng)用;2007年20期

10 武賀;呂立華;;板帶軋機(jī)負(fù)荷分配方法的綜述[J];控制工程;2009年S2期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張虎;戴景民;唐紅;辛春鎖;;改進(jìn)的遺傳算法在粒徑測(cè)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?jī)?yōu)化[J];機(jī)床與液壓;2007年06期

3 匡宇國(guó);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(guó),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(xué)與工程;1998年01期

5 朱迅;楊麗波;劉萬輝;;基于改進(jìn)遺傳算法的拉絲機(jī)壓縮比優(yōu)化設(shè)計(jì)研究[J];煤礦機(jī)械;2012年12期

6 夏建生;竇沙沙;;拉延模加強(qiáng)筋尺寸優(yōu)化的智能遺傳算法[J];機(jī)械設(shè)計(jì)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?jī)?yōu)化技術(shù)研究[J];中國(guó)機(jī)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(jī)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(jì)優(yōu)化的新方法──微觀遺傳算法[J];中國(guó)機(jī)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(jī)械設(shè)計(jì);2007年01期

相關(guān)會(huì)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(shí)中的應(yīng)用[A];2005年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

2 張娜;張文志;焦時(shí)光;;基于遺傳算法的棒材孔型多目標(biāo)優(yōu)化設(shè)計(jì)[A];2006中國(guó)金屬學(xué)會(huì)青年學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 廖平;基于遺傳算法的形狀誤差計(jì)算研究[D];中南大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

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

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

3 陳星宇;基于改進(jìn)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(xué);2011年

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

5 費(fèi)俊鋒;基于遺傳算法的復(fù)雜機(jī)械產(chǎn)品分組選擇裝配方法研究[D];電子科技大學(xué);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(xué);2005年

7 周洪波;改進(jìn)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(xué);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(shí)現(xiàn)[D];華中科技大學(xué);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(xué);2006年

10 石長(zhǎng)云;基于多層次遺傳算法的機(jī)械產(chǎn)品整體方案設(shè)計(jì)的研究[D];沈陽理工大學(xué);2013年

本文編號(hào)：2544100