基于人工神经网络的铸坯质量在线预报的控制方法技术

本发明专利技术涉及基于人工神经网络的铸坯质量在线预报的控制方法，包括如下步骤：首先选择预测模型变量，建立神经网络模型；在确定了网络模型的结构和目标误差以后，选择训练样本对建立的三层BP神经网络进行学习和训练，在网络输出层误差满足要求后，保存权值和阈值；得到训练和验证好的网络模型；利用训练和验证好的BP神经网络模型对连铸板坯中间裂纹进行在线预测的控制。本发明专利技术利用了神经网络的分类能力，通过比较预测值和实测值的差别来评定网络模型的预测效果，保证了模型的预测精度。采用本发明专利技术，实现了连铸生产过程的铸坯质量的在线自动预测，操作简单，可预测铸坯质量缺陷的类型及缺陷等级，用于指导现场生产。

【技术实现步骤摘要】

本专利技术属于冶金自动控制
，特别涉及一种铸坯质量在线预报的控制方法，利用人工神经网络技术对铸坯质量在线预测和预报。
技术介绍
近几十年来，连铸坯热送热装以及连铸坯连轧技术使连铸成为最活跃的研究领域，这些技术的发展大幅度降低了 设备投入及生产成本，提高了产品竞争力。热送、热装、直接轧制技术优点多多，但要求生产线上生产的是无缺陷铸坯，即铸坯的表面质量和内部质量基本上能不经清理就能满足直接轧制的要求。过去，连铸机生产的铸坯质量主要以冷态下铸坯的质量来评定。但这种冷态取样和检查的传统铸坯质量控制方法显然不能满足热送、热装和直接轧制工艺的要求。对缺陷铸坯进行检测判定并生产中及时在线预报和检测铸坯质量，对确保生产的连续性、提高产品质量及降低生产成本具有重要的意义。目前铸坯质量预报方法主要为(I)基于物理手段的检测判定，要包括涡流检测、光学检测、感应加热检测、电磁超声波测试法等，这些方法可检测出的缺陷定量描述参数和缺陷种类都十分有限，无法综合评估产品的表面质量状况。(2)质量判定专家系统，通过对冶金专家知识(包括现场经验和数据挖掘规则)、构建知识库，并设计推理机制建立连铸板坯判定专家系统本文档来自技高网...

【技术保护点】
基于人工神经网络的铸坯质量在线预报的控制方法，其特征在于该方法包括如下步骤：步骤1：首先选择预测模型变量，建立神经网络模型；设定具体的铸坯质量缺陷预测目标，并将影响该预测目标的相应的工艺设备参数变量作为输入层的节点；然后确定中间层和输出层变量、输入层至中间层以及中间层至输入层的各连接权值、中间层以及输出层的阈值，建立由输入层、隐含层、输出层构成的三层BP？神经网络模型；三层BP？网络模型的结构为：输入层n个输入神经元分别代表影响设定为预测目标的铸坯质量缺陷的n个主要工艺和设备参数，隐含层q个隐含神经元作为中间层各单元，输出层1个输出神经元代表铸坯质量缺陷预测目标的质量缺陷等级；输入层与隐含层之...

【技术特征摘要】

【专利技术属性】
技术研发人员：幸伟，马春武，徐永斌，徐海伦，陈洪智，邵远敬，叶理德，袁德玉，
申请(专利权)人：中冶南方工程技术有限公司，
类型：发明
国别省市：