基于多输入层遗传神经网络的热轧产品性能预测.PDF

第２７卷第５期 数 据 采 集 与 处 理 Ｖｏｌ．２７Ｎｏ．５ ２０１２年 ９月 ＪｏｕｒｎａｌｏｆＤａｔａＡｃｑｕｉｓｉｔｉｏｎ＆Ｐｒｏｃｅｓｓｉｎｇ Ｓｅｐ．２０１２ 文章编号：１００４９０３７（２０１２）０５０６２５０５ 基于多输入层遗传神经网络的热轧产品性能预测 吕志民 隋筱癑 （北京科技大学高效轧制国家工程研究中心，北京，１０００８３） 摘要：根据热轧产品加工流程的多阶段特点，建立了高维多输入层遗传神经网络机械性能预报模型。该模型根据 工艺流程发生顺序在前馈人工神经网络的某些隐含层上增添了输入节点，能够更好地模拟热连轧生产过程。同 时，为避免标准 ＢＰ（Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）算法陷入局部极值点，采用了遗传算法对神经网络权值和阈值进行全局 预处理，再利用标准 ＢＰ算法进行训练，使两者优缺点相互补偿，从而得到全局最优解。最后，利用某钢铁企业的 热轧产品实际生产数据对模型进行测试，预测结果满足偏差要求，且与经典 ＢＰ神经网络及径向基函数神经网 络相比较，具有更高的精度和稳定性。 关键词：热轧；遗传算法；神经网络；机械性能预报 中图分类号：ＴＰ３８９１；ＴＧ３３５１１ 文献标识码：Ａ ┇┉┄┃┄┃━┇┄┅┇┉┈┄﹪┄┉┐┄━━┃┉━ ﹣┈┄┃﹩﹢┊┇━┉┌┄┇─┌┉┊━┉┐┃┅┊┉┎┇┈ 爧牣牂牎牏牔牏牕，爳牣牏牀牏牃牗牪牣牉 （ＮａｔｉｏｎａｌＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＡｄｖａｎｃｅｄＲｏｌｌｉｎｇ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＢｅｉｊｉｎｇ， Ｂｅｉｊｉｎｇ，１０００８３，Ｃｈｉｎａ） ﹢┈┉┇┉：Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｍｕｔｌｉｓｔａｇｅｔｒａｉｔｓｏｆｍａｎｕｆａｃｔｕｒｉｎｇｐｒｏｃｅｓｓｏｆｈｏｔｒｏｌｌｉｎｇｓｔｒｉｐ，ａ ｇｅｎｅｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｗｉｔｈｈｉｇｈｄｉｍｅｎｓｉｏｎｍｕｌｔｉｉｎｐｕｔｌａｙｅｒｓｉｓｂｕｉｌｔｔｏｐｒｅｄｉｃｔｔｈｅｍｅ ｃｈａｎｉｃａｌｐｒｏｐｅｒｔｉｅｓｏｆｐｒｏｄｕｃｔｓ．Ｔｈｅｍｏｄｅｌｃａｎｂｅｒｅｇａｒｄｅｄａｓｔｈｅｒｅｓｕｌｔｏｆａｄｄｉｎｇｉｎｐｕｔｎｏｄｅ ｔｏｓｏｍｅｈｉｄｄｅｎｌａｙｅｒｓｏｆｎｅｕｒａｌｎｅｔｗｏｒｋａｃｃｏｒｄｉｎｇｔｏｔｈｅｏｒｄｅｒｏｆｔｅｃｈｎｏｌｏｇｉｃａｌｐｒｏｃｅｓｓ，ｓｏｔｈａｔ ｉｔｃａｎｓｉｍｕｌａｔｅｔｈｅｍａｎｕｆａｃｔｕｒｉｎｇｐｒｏｃｅｓｓｂｅｔｔｅｒ．Ｍｅａｎｗｈｉｌｅ，ｔｏａｖｏｉｄｌｏｃａｌｅｘｔｒｅｍｅｐｏｉｎｔ ｃａｕｓｅｄｂｙｔｈｅｓｔａｎｄａｒｄＢＰａｌｇｏｒｉｔｈｍ，ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ ｉｓａｄｏｐｔｅｄｔｏｃｏｎｄｕｃｔｇｌｏｂａｌｐｒｅｔｒｅａｔ ｍｅｎｔｆｏｒｔｈｅｗｅｉｇｈｔｓａｎｄｔｈｒｅｓｈｏｌｄｓｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ．ＴｈｅｎｓｔａｎｄａｒｄＢＰａｌｇｏｒｉｔｈｍ ｉｓｕｓｅｄｔｏ ｄｏｔｈｅｔｒａｉｎｉｎｇｔｏｃｏｍｐｅｎｓａｔｅｍｕｔｕａｌｌｙｂｏｔｈａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓ，ａｎｄｔｈｅｒｅｂｙｇｅｔ ｇｌｏｂａｌｏｐｔｉｏｎａｌｓｏｌｕｔｉｏｎ．Ｆｉｎａｌｌｙ，ｔｅｓｔｉｎｇｒｅｓｕｌｔｓｇｉｖｅｎｂｙｔｈｅａｃｔｕａｌｍａｎｕｆａｃｔｕｒｅｄａｔｅｏｆｈｏｔ ｒｏｌｌｅｄｐｒｏｄｕｃｔｓｆｒｏｍ ａｎｉｒｏｎａｎｄｓｔｅｅｌｅｎｔｅｒｐｒｉｓｅｓｈｏｗ ｔｈａｔｔｈｅｐｒｅｄｉｃｔｅｄｒｅｓｕｌｔ