您現在的位置：中國傳動網 > 技術頻道 > 技術百科 > 矯直機二級模型神經元網絡系統的設計與實現

矯直機二級模型神經元網絡系統的設計與實現

時間：2011-10-27 10:51:59來源：caijuan

導語：?本文主要介紹了中厚板矯直機二級模型控制系統的設計與實現，該模型以神經元網絡為設計載體，運用徑向基函數的逼近取值法進行運算和分析，保證了模型策略的精度和準確性，提高了鋼板的矯直質量。

[摘要]本文主要介紹了中厚板矯直機二級模型控制系統的設計與實現，該模型以神經元網絡為設計載體，運用徑向基函數的逼近取值法進行運算和分析，保證了模型策略的精度和準確性，提高了鋼板的矯直質量。

[關鍵詞]L2模型神經元網絡徑向基函數數據表

前言

建立精確的數學模型，在處理非線性問題上有著良好的效果，矯直機二級模型的設計就是建立了神經元網絡控制系統，依據徑向基函數的逼近非線性函數運算方法得到可靠的矯直策略，對矯直機的矯直力、扭矩、速度等參數進行全面的分析和設定，在保證不超出限定值的前提下得到希望的塑變比和平直度。

1L2模型的組成及主要功能

二級模型由三部分組成：一是二級服務器：該計算機運行二級。所以跟蹤，預設值計算，數據庫儲存和通訊都由改服務器完成，它是二級的指揮中心；二是人機界面計算機（HMI）：它負責人機界面的應用，通過這里進行系統實際操作，應用軟件為VISUAL BASIC；三是工程師站計算機：用于程序控制和管理員維護，程序設計由C++和VAI環境下實現。

主要功能包括： PDI（基礎數據）的輸入；PDO基礎數據的輸出；HMI人機接口的操作實現；二級數據庫的實現；與L3的數據通訊；與其它相關設備的通訊。

2神經元網絡的構成及計算

矯直機L2模型的運算是采用單層徑向基函數網絡，徑向基( Radial Basis Function,簡稱RBF)網絡是一種新穎有效的前向型神經網絡, 它是一組徑向基函數的線性組合，具有較高的運算速度和外推能力, 同時有很強的逼近非線性函數的能力，并且逼近精度與網絡結構的關系是具有可塑性的，即網絡能通過調整自己的結構來實現最佳逼近精度。

徑向基函數網絡是一種常見的人工神經網絡，是J.Moody和CDarken于1989年提出的，采用高斯函數等徑向基函數作為神經元傳遞函數，用于非線性函數的逼近。這個網絡可以用一個結構圖來表示它的輸入輸出關系(圖一)。由圖可知，它是由第一層的輸入層,第二層的隱層和第三層的輸出層組成。輸入層是由輸入樣本節點組成；隱層為徑向基層，作用函數是徑向基函數。對一個輸入樣本，隱層中的各徑向基函數都有一個輸出，隱層的輸出結果是這些輸出的加權和。

圖一：三層神經元網絡結構圖

（圖一：三層神經元網絡結構圖）

徑向基函數網絡的基本原理是：用一個徑向基函數在因變量的某個局部區域上擬合函數的一部分，不同的基函數對應不同的局部區域，這樣整個基函數組的加權和就形成一個總的函數，我們把它看作是對某個函數的逼近擬合。運用Mood和Darken的算法，這個算法先對樣本的輸入部分做聚類分析，通常是k-mean法，將樣本的輸入部分分成若干類，算出每類的重心作為徑向基函數的中心，再指定徑向基函數的寬度參數，然后用最小二乘法確定各徑向基函數的組合系數。

為了提高數據表的提取功能，從徑向基神經元網絡中利用派生的方法將數據引出，具體計算方法如下：

（1）對每個PDI輸入數據i進行標準化,即聚類分析。見公式1所示：

（2）計算徑向基函數的寬度參數，見公式2所示：

（3）對數據庫中的每個元素計算出權重比，見公式3所示：

（4）所有的在表中選擇的K個元素的最終輸出值，見公式4：

3 二級模型的設計

二級模型的設計用來矯直熱鋼板。這個模型基于離線模型和在線模型兩個功能。離線模型是一個物理模型，需要一個長時間的計算過程，它的輸出存儲在數據表中，離線測試成功后，通過在線模型進行應用和實踐，具有神經元網絡的幾何自適應功能。

3.1模型策略的生成

模型包括在線模型和離線模型，離線模型的結果存儲在智能表中，根據測量結果得到的自適應。在線模型也叫做工藝程序模擬器。這個模擬器可以自學習，得到矯直鋼板的較好的塑變比和平直度。

在線模型是三個計算結果的線性組合（依據每個結果的置信因數）：離線模型計算結果、短期項目適應結果、長期項目適應結果。

模型的輸入數據為：鋼種、溫度、厚度和塑變比。利用鋼種和溫度，模型首先將鋼的特性記錄到數據表中，并且根據離線模型計算出結果給出初始輥縫的設定，根據鋼種、溫度和厚度的變化和不同，模型將適應的改變輥縫，并計算出相適應的矯直力、扭矩和塑變比。

矯直力和扭矩的計算公式如下：

forceOff ：離線模型計算的矯直力t結果；forceOffC：矯直力的置信因數；forceShort：短項目適應結果的矯直力；forceShortC： forceShort.的置信因數；forceLong：長項目適應結果的矯直力；forceLongC： forceLong.的置信因數。

在線模型驗證各種限制值（矯直力、扭矩）是否超出，如果塑變比達到了，各種限制值沒有超出，則模型輸出計算結果。當塑變比沒有達到，而限制值沒超出時，模型將減少輥縫，重新進行驗證。當塑變比沒有達到但一個限制值超出了，模型恢復到上一次的迭代值，并且發送輸出結果，并指示不能達到塑變比了。

3.2數據表的建立和存儲

模型基于鋼板的物理特性和鋼板屬性原理的特點，計算和記錄了鋼板厚度分布，并在鋼板進入矯直機時根據矯直輥的位置計算出鋼板的運行軌跡。這個計算過程考慮了所有的位置設置和所有的鋼板特性，計算結果存儲在一個數據表中，主要包括以下幾個關鍵值如表一所示：

Seq	Field	Description	Type	Length	Message len
1	Msg_ID	信息號	Char	5	5
2	Rec_Len	信息長度	Char	5	5
3	MPLATE_NO	母板號	CHAR	10	10
4	SLAB_NO	板坯號	CHAR	10	10
5	OCCR_DTIME	信息發生日期	CHAR	14	14
6	FAC_CD	工廠代碼	CHAR	1	1
7	Actual start temperature	實際開始溫度	Num	4	4
8	Actual end temperature	實際結束溫度	Num	5	5
9	Start time	開始時間	Char	14	14
10	End time	結束時間	Char	14	14
11	Plastification Ratio	壓下量	Num	4	4
12	Levelling Force	矯直力	Num	4,2	5
13	Levelling Speed	矯直速度	Num	3,2	4
14	Threading Speed	咬入速度	Num	3,2	4
15	Pass counter	矯直道次	Num	1	1
16	Plate Status	鋼板狀態	Num	1	1

3.3 測量數據處理

收集的數據運用統計學的方法進行分析處理，將有效的數據寫到報告中，并應用于模型的自適應功能。L1以200ms的周期向L2發送測量數據值。這些數據存儲在一個循環堆棧中，不斷接收L1的循環反饋信息，跟蹤模型則進行數據的處理分析，未經處理的物理測量數據必須由矯直機的狀態改變來觸發，才有進行有效的運算和使用。同理，如果測量條件不再具備（如穩定的軋制速度，矯直機內的無矯直鋼板等），則數據處理運算停止。

測量值包括：鋼板的長度、進出矯直機的張力、機架的矯直力、彎輥力、矯直速度、主電機功率、進出輥的位置、延伸率等。一旦處理后的數據是有效的，則模型進行自適應學習，并且將測量數據存儲在PDO表中。

3.4HMI人機交互界面

HMI人機交互界面的運行有兩個主要功能：一是便于操作工查看生產數據和信息，二是物料負責實現矯直機上下游工序（上游是ACC快冷設備，下游是冷床）間的鋼板信息及物料跟蹤數據收集和L2數據表的維護、從L3接收鋼板PDI信息以及軋制程序的維護、收集數據和數據的存儲，模型的自學習功能以及L2模型的預計算設定。

從HMI上可以查看來自L3的物料信息，以及來自L2的跟蹤信息，包括下一張要矯直機的鋼板、當前正在矯直的鋼板和己經矯直完成的最后三張鋼板的信息。

L1的熱金屬檢測器HMD檢測到鋼板的頭部和尾部，但并不在L2的HMI上顯示鋼板的實際位置和圖形，而且以通訊的方式將L1檢測到的鋼板跟蹤信息發送到L2，L2根據L1發來的數據及現場設備的速度等參數進行運算后，計算出鋼板矯直道次、壓下量、扭矩等模型策略。在道次之間，L2 模型會根據L1的實時數據時行自適應的調整，得到較好的矯直策略和平直度。HMI如圖二所示：

圖二：L2模型的跟蹤