人工神經網絡預測軋制力在銅帶冷軋機中的應用

夏宇 蘇旭濤

人工神經網絡預測軋制力在銅帶冷軋機中的應用

夏宇，蘇旭濤

（中國重型機械研究院股份公司，陜西 西安? 710032）

摘? 要：傳統軋制力計算公式在銅帶冷軋軋制力預報中面臨計算精度不足的問題，人工神經網絡技術提供了一個嶄新的工具。BP神經網絡應用廣泛，且包含多種算法，本文利用多種算法的BP網絡對中國重型機械研究院股份公司設計的安徽楚江600mm四輥銅帶冷軋機軋制壓力進行了預報，結果顯示traincgf算法總體誤差較小，效果良好。

關鍵詞：軋制力;銅帶;神經網絡;traincgf

中圖分類號：TG333? 文獻標識碼：A? 文章編號：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模型是冷軋中控制計算的基礎，而軋制力模型是計算力能參數模型的基礎，在提高冷軋精度和降低生產成本方面，具有相當重要的意義。

神經網絡是近二十年隨著計算機行業高速進步而發展起來的模擬大腦生物過程因而具有人工智能的系統，是由大量的非線性單元連接而成的網絡，具有高精度和非線性的特點，只需根據給出的學習樣本，不需眾多軋制理論的假設，就可建立非線性輸入輸出映射關系，從控制的角度來看，金屬冷軋過程具有典型的多變量和非線性的特征。神經網絡在解決非線性結構性問題上顯示了突出的優點，它是解決這類問題的強有力的工具。

1? 問題的提出

人工神經網絡對處理大規模原始數據而無法用規則或公式描述的問題，體現出很好的靈活性和自適應性。

銅帶冷軋軋制力計算在以上兩方面都符合適用人工神經網絡處理的條件：一方面，雖然理論界提出了大量數學模型和經驗公式來描述冷軋過程，但這些理論公式主要針對黑色金屬進行研究，而對以銅合金為代表的有色金屬，其中的關鍵參數如工作輥與軋材之間的摩擦系數和材料強制屈服極限難以予以精確的測定。經過驗證，這些大量應用于黑色金屬軋制的理論公式只有在潤滑條件清晰的道次計算誤差較小，而潤滑條件不清、屈服強度不明的道次誤差極大，這說明這些前人總結的模型對銅帶冷軋過程的描述是有比較大的缺陷的。另一方面，通過生產實踐積累了大量的實際數據，這些數據需要通過適當的方法加以篩選和處理，提取出高價值的細節，這部分工作通過人工是難以完成，而對人工神經網絡來說，卻是它的強項。人工神經網絡具有高精度和非線性的特點，只需根據給出的學習樣本，不需眾多軋制理論的假設，就可建立非線性輸入輸出映射關系，從控制的角度來看，金屬冷軋過程具有典型的多變量和非線性的特征。神經網絡在解決非線性結構性問題上顯示了突出的優點，它是解決這類問題的強有力的工具。

在本文論述的安徽楚江600mm四輥銅帶冷軋機軋制力計算就出現了上述問題，在目前應用于冷軋自動控制的軋制力模型中，由于需要簡化建模，不得不引入若干的假設，導致這些軋制力模型預報精度較低，無法滿足現代企業對高品質銅帶生產的需要。即使在生產中采取有限元技術和自適應技術，精度依然難以滿足需要。通過對100組樣本數據的計算，傳統三大冷軋理論計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到12.7%，單道次最大誤差達到23.3%。過大的軋制力計算誤差對現場的厚度控制及板型控制產生了極為不利的影響。

2? 計算方法

MATLAB是美國Mathworks公司發行的一套數值計算軟件，軟件中包括了大量工具箱，可通過修改其內置的源程序構成新的工具箱，避免了繁瑣的子程序編程任務。

為了提高預測精度，最有效的實施方案不是用神經網絡直接預測軋制力，而是將神經網絡和傳統的數學模型相結合，以發揮各自的特長。解決提高單獨使用傳統計算公式精度和直接使用BP神經網絡預測軋制力在學習樣本和測試樣本的輸入數據有一些偏差情況下預測精度不佳的問題。

這個方法的思想是利用經過優化的軋制力數學模型預測軋制力主值，利用BP神經網絡預測軋制力的偏差，綜合兩者作為軋制力的預測值。這種數學模型與神經網絡相結合的方法充分利用了兩者的優點：（1）理論計算公式具有堅實的理論依據，能夠反映出軋制力變化的主要趨勢，特別是經過優化后的計算公式，在各種輸入數據條件下都具有較好的預測精度，因此用來預測軋制力的主值;（2）BP神經網絡容易反映各種干擾因素對軋制力的影響，適合用來糾正軋制力的偏差。

將以上兩個優點相結合，可以達到優于單獨使用任何一種方式的效果。在實際使用上，考慮到現有軋機控制系統的改造和軟件維護，完全拋棄數學模型另起爐灶未必是最好的選擇。因而，從兩方面同時入手，即一方面優化理論計算公式，預測軋制力主值，另一方面輔以BP神經網絡為其糾正偏差，這樣做的好處是對現有控制系統改動小，技術難度和風險也小。根據以上思路，開發了乘法糾偏網絡。由于本文軋機本身的因素，數值大小比較穩定，包括軋輥輥系與機架之間的摩擦力，工作輥彎輥力的影響等，這部分因素影響較小。

乘法糾偏網絡的數學表達式如下：Pm=P*X

式中：Pm為軋制力的主值，由經過優化的軋制力數學模型預測;P為軋制力的實測值;X為軋制力的偏差系數。

圖1? 乘法糾偏網絡結構圖

本節中的乘法糾偏BP神經網絡采用三層結構：輸入層節點數為5，隱含層節點數為10，輸出層節點數為1，輸入層到隱含層的激活函數選用logsig對數函數，隱含層到輸出層的激活函數選用pureline線性函數，建好的乘法糾偏網絡結構如圖1所示。

3? 計算結果

本文的樣本數據來源于安徽楚江600mm四輥銅帶粗軋機四個軋程工藝數據，預先對軋制工藝數據進行篩選，使BP網絡輸入層只包含強制屈服極限、入口厚度、出口厚度、銅帶寬度、軋輥半徑這五個輸入條件也是對研究對象影響最大的因素，排除掉其他干擾因素之后，輸出層只包含本文的研究對象即軋制力。通過對軋制工藝數據的學習來對以外的工藝樣本數據進行預報，BP神經網絡預測軋制力與實測軋制力的誤差如表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算誤差。

圖2為traincgf算法的BP網絡訓練誤差變化圖，從圖2中可以看出，訓練次數在864次時達到了預先設定目標，BP網絡訓練性能曲線趨勢下降很快，整體比較平緩，沒有明顯起伏。

4? 結? 論

將BP神經網絡中的幾種算法應用于軋制工藝數據，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4個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算誤差，且回歸曲線證明跟蹤能力優秀。BP乘法糾偏神經網絡反映的偏差值與軋制力的大小相關，主要反映了對軋制力公式中的各項相關參數的修正，包括摩擦系數，強制屈服極限等，這部分因素占主導，則其計算誤差較小，應用于銅帶冷軋機軋制力預報可以取得良好的效果。

參考文獻：

[1] 馬銳.人工神經網絡原理 [M].北京：機械工業出版社，2014.

[2] 謝東鋼，高林林.我國冷軋板帶材生產技術現狀及發展方向 [J].重型機械，2011（4）：2-6.

[3] 楊景明，竇富萍，周濤，等.基于MATLAB和VB神經網絡在軋制力預報中的應用 [J].冶金設備，2006（5）：13-16+ 29.

[4] 周品.MATLAB神經網絡設計與應用 [M].北京：清華大學出版社，2013.

作者簡介：夏宇（1981.07-），男，漢族，四川瀘州人，在職研究生，高級工程師，研究方向：板帶軋制設備的研究、開發和推廣;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：板帶軋制設備的研究、開發和推廣。