專利名稱:平整機的制作方法
技術(shù)領(lǐng)域:
本發(fā)明專利涉及一種智能控制方法,特別是一種改進的神經(jīng)網(wǎng)絡(luò)控制方法,應(yīng)用于平整機改造。
背景技術(shù):
平整機是生產(chǎn)汽車板、鍍錫板、彩色板等高附加值鋼帶板材的關(guān)鍵設(shè)備。保證平 整機板帶材產(chǎn)品質(zhì)量的關(guān)鍵在于確保軋制過程中軋制速度、前張力和后張力維持穩(wěn)定,否 則帶鋼表面可能會出現(xiàn)明暗相間的振紋,張力波動太大,甚至造成斷帶,中斷軋制過程。卷 取機、工作輥和開卷機3個機電子系統(tǒng)是分開設(shè)計的,并未考慮正常軋制時各子系統(tǒng)在穿 帶后的耦合影響。實際上工作輥速度、前張力、后張力3個參數(shù)相互耦合、相互影響,有時 前、后張力會產(chǎn)生強烈的耦合振動,導(dǎo)致軋件表面出現(xiàn)振紋。由于神經(jīng)網(wǎng)絡(luò)的學習能力對整 個解耦控制器的解耦性能具有很大的影響,因此本發(fā)明提出了一種改進的神經(jīng)網(wǎng)絡(luò)學習方 法。BP學習算法的基本原理是梯度最速下降法,其中心思想是調(diào)整權(quán)值使網(wǎng)絡(luò)總誤差 最小。采用梯度搜索技術(shù),以使網(wǎng)絡(luò)的實際輸出值與期望的誤差均方值最小。網(wǎng)絡(luò)學習過 程是一種誤差后向傳播修正權(quán)系數(shù)的過程。一般來說,學習率越大,權(quán)值的改變越激烈,在訓(xùn)練初期,較大的學習率對誤差的 快速下降有利,但到了一定階段,大的學習率可能導(dǎo)致振蕩,即出現(xiàn)能量函數(shù)忽升忽降或不 降反升。所以,緩慢的收斂速度和對算法收斂參數(shù)的依賴是BP算法的明顯不足。眾多方法 提出了改進方案,以下是一種能綜合考慮收斂速度和參數(shù)魯棒性的算法。
發(fā)明內(nèi)容
本發(fā)明利用下述改進的神經(jīng)網(wǎng)絡(luò)學習方法和對角矩陣解耦方法相結(jié)合的方式,其 中控制器中解耦部分對角通道中一支采用PID控制方法,控制器中控制部分對應(yīng)主通道中 采用改進的神經(jīng)網(wǎng)絡(luò)方法,控制器中解耦部分對角通道中另一支采用改進的神經(jīng)網(wǎng)絡(luò)方 法,控制器中控制部分對應(yīng)主通道中采用PID控制方法,提出了一組填料塔裝置改造方法。 其中對角矩陣解耦方法和PID控制方法是傳統(tǒng)方法,僅對改進的神經(jīng)網(wǎng)絡(luò)學習方法加以描 述。BP網(wǎng)絡(luò)計算的主題步驟(a).置各權(quán)值和閥值的初始值Wi/(0),θ /(0),(ρ = 1,2. . . Q)其中ρ為第若干 層,Q表示總層數(shù)(b).輸入訓(xùn)練樣本(Iycgdp = 1,2...M)其中M表示輸入輸出數(shù)量,對 每一個樣本計算輸出和權(quán)值修正(c).計算網(wǎng)絡(luò)各層的實際輸出Xp = f(sp) = MwVri),式中f O為激活函數(shù)若其輸出與各頂模式對的期望輸出不一致,則將其誤差信號從輸出端反向傳播回 來,并在傳播過程中對加權(quán)系數(shù)不斷修正,直到在輸出層神經(jīng)元上得到所需要的期望輸入 值為止。對樣本完成網(wǎng)絡(luò)權(quán)系數(shù)的調(diào)整后,再送入另一樣本模式對進行類似學習,直到完成個訓(xùn)練學習為止。以下利用共軛梯度法對權(quán)值修正考慮二次型性能函數(shù) 其梯度為 其二階梯度是Hessian矩陣 于是,梯度的改變量是
式 中,α[k]是在時刻延方向p[k]搜索使性能函數(shù)E(w)最小的學習率對于二次型性能函數(shù),最優(yōu)學習率按下式確定
于是,根據(jù)共軛
條件,并由于學習率是一個標量,所以 共軛條件就轉(zhuǎn)變?yōu)樗阉鞣较騪[j]與梯度的改變量Ag[k]正交,而與Hessian矩 陣無關(guān)。初始搜索方向p
可以是任意的,第1個迭代方向p[l]只要與Ag
正交 即可,通常以最速下降方向開始,后續(xù)的方向p[k]只要與梯度的改變量序列{Agto], Ag[l],... Ag[k-1]}正交即可。一種簡要的方法是采用迭代 其中
圖1為本控制方法的結(jié)構(gòu)2為本方法中改進神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖
具體實施例方式本發(fā)明利用改進的神經(jīng)網(wǎng)絡(luò)學習方法和對角矩陣解耦方法相結(jié)合的方式,提出了 一組平整機改造方法,其中改進的神經(jīng)網(wǎng)絡(luò)按以下步驟實現(xiàn)(a).置各權(quán)值和閥值的初始值
其中ρ為第若干 層,Q表示總層數(shù)(b).輸入訓(xùn)練樣本(I,,dq), (ρ = 1,2...Μ)其中M表示輸入輸出數(shù)量,對每一個 樣本進行(c) (e)步
(c).計算網(wǎng)絡(luò)各層的實際輸出
式中f O為激活函數(shù)(d).計算梯度g (k)和梯度改變量Δ g [k] (e).修正權(quán)值 其中p[k]是關(guān)于w(k)序列、β [k]序列、g[k]序列的函數(shù),如 (f).當樣本集中的所有樣本都經(jīng)歷了 c e步,即完成一個訓(xùn)練周期,計算性能指 標 (g).如果性能指標貓族精度要求,即E彡ε,那么訓(xùn)練結(jié)束,否則轉(zhuǎn)到(b),繼續(xù)下 一個訓(xùn)練周期。ε是小的正數(shù),根據(jù)實際情況選取。其中β [k]的計算方法如下n-nk-l)]f[k]Ag[k-l]其中激活函數(shù)可采用三角函數(shù)、雙極性函數(shù)、分段函數(shù)、sigmoid函數(shù)、基于 sigmoid函數(shù)的變形函數(shù)等。 所述修正權(quán)值特指在個迭代計算若干次后,將搜索方向重新設(shè)置為梯度方向,再 按(e)迭代。
權(quán)利要求
平整機的技術(shù)特征是本發(fā)明利用下述改進的神經(jīng)網(wǎng)絡(luò)學習方法和對角矩陣解耦方法相結(jié)合的方式,其中控制器中解耦部分對角通道中一支采用PID控制方法,控制器中控制部分對應(yīng)主通道中采用改進的神經(jīng)網(wǎng)絡(luò)方法,控制器中解耦部分對角通道中另一支采用改進的神經(jīng)網(wǎng)絡(luò)方法,控制器中控制部分對應(yīng)主通道中采用PID控制方法,提出了一組平整機改造方法;其中對角矩陣解耦方法和PID控制方法是傳統(tǒng)方法,僅對改進的神經(jīng)網(wǎng)絡(luò)學習方法加以描述;所述改進的神經(jīng)網(wǎng)絡(luò)學習方法流程按以下方式進行(a).置各權(quán)值和閥值的初始值wijp(0),θjp(0),(p=1,2...Q)其中p為第若干層,Q表示總層數(shù)(b).輸入訓(xùn)練樣本(Iq,dq),(p=1,2...M)其中M表示輸入輸出數(shù)量,對每一個樣本進行(c)~(e)步(c).計算網(wǎng)絡(luò)各層的實際輸出xp=f(sp)=f(wpxp-1),式中,f(*)為激活函數(shù)(d).計算梯度g(k)和梯度改變量Δg[k](e).修正權(quán)值其中p[k]是關(guān)于w(k)序列、β[k]序列、g[k]序列的函數(shù),如P[k+1]=β[k+1]P[k]-g[k+1](f).當樣本集中的所有樣本都經(jīng)歷了(c)~(e)步,即完成一個訓(xùn)練周期,計算性能指標,(g).如果性能指標貓族精度要求,即E≤ε,那么訓(xùn)練結(jié)束,否則轉(zhuǎn)到(b),繼續(xù)下一個訓(xùn)練周期。ε是小的正數(shù),根據(jù)實際情況選取。F2009100480084C00011.tif,F2009100480084C00012.tif
2.根據(jù)權(quán)利要求項1,所述激活函數(shù)的技術(shù)特征是激活函數(shù)可采用三角函數(shù)、雙極性函數(shù)、分段函數(shù)、sigmoid函數(shù)、基于sigmoid函數(shù) 的變形函數(shù),等。
3.根據(jù)權(quán)利要求項1,所述修正權(quán)值的技術(shù)特征是所述修正權(quán)值特指在個迭代計算若干次后,將搜索方向重新設(shè)置為梯度方向,再按(e) 迭代。
4.根據(jù)權(quán)利要求項1,所述β[k]的技術(shù)特征是 ^ [l + P(k-\)]Pr[k-l]Ag[k-l]°
全文摘要
本發(fā)明專利平整機,涉及一種智能控制方法,特別是一種改進的神經(jīng)網(wǎng)絡(luò)控制方法,針對平整機控制對象的非線性和耦合特性,利用改進的神經(jīng)網(wǎng)絡(luò)學習方法和對角矩陣解耦方法相結(jié)合的方式,提出了一種平整機優(yōu)化方法;其中改進的神經(jīng)網(wǎng)絡(luò)采用作為改進的權(quán)值修正方法。
文檔編號G06N3/08GK101846969SQ200910048008
公開日2010年9月29日 申請日期2009年3月23日 優(yōu)先權(quán)日2009年3月23日
發(fā)明者程明 申請人:上海都峰智能科技有限公司