專利名稱：電鍍鋅鋅層厚度bp神經(jīng)網(wǎng)絡(luò)控制方法及其在plc上的應(yīng)用的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種電鍍鋅鋅層厚度的BP神經(jīng)網(wǎng)絡(luò)控制方法，還涉及電鍍鋅鋅 層厚度的BP神經(jīng)網(wǎng)絡(luò)控制方法在PLC上的應(yīng)用。
背景技術(shù)：
在電鍍鋅生產(chǎn)線上，鋅層厚度控制是核心控制技術(shù)。在鋅層厚度控制器設(shè)計(jì) 方面，以往的設(shè)計(jì)思路往往是要對(duì)控制對(duì)象做出精確的數(shù)學(xué)模型；之后根據(jù)精 確的數(shù)學(xué)模型進(jìn)行控制器設(shè)計(jì)。
電鍍鋅層厚度控制對(duì)象具有多變量、強(qiáng)耦合和變量之間變化幅度差異大等特 點(diǎn)，很難建立非常精確的控制對(duì)象模型，并且對(duì)各變量進(jìn)行解耦合控制；同時(shí)， 精確固定的數(shù)學(xué)模型具有抗干擾性差以及容錯(cuò)能力差等缺點(diǎn)。

發(fā)明內(nèi)容
為了提高電鍍鋅生產(chǎn)線的產(chǎn)品質(zhì)量，使產(chǎn)品厚度均勻，精確達(dá)到設(shè)定厚度要 求，提高產(chǎn)品的優(yōu)級(jí)率，本發(fā)明的基于BP神經(jīng)網(wǎng)絡(luò)算法的電鍍鋅鋅層厚度的PLC 控制方法，包括下列步驟
A、訓(xùn)練樣本數(shù)據(jù)采集
在電鍍鋅生產(chǎn)線采集一定數(shù)量的實(shí)際生產(chǎn)的數(shù)據(jù)樣本，樣本大約要1萬(wàn)組樣 本，并保證數(shù)據(jù)的遍歷性。樣本以輸入向量和輸出向量的形式釆集錄入。l個(gè)輸 入向量和對(duì)應(yīng)的1個(gè)輸出向量組成一組樣本數(shù)據(jù)。輸入向量包括上鍍層厚度，下鍍層厚度，鋼帶寬度和鍍槽總電流數(shù)等元素；輸出向量包括上鍍層厚度計(jì)算 速度和下鍍層厚度計(jì)算速度兩個(gè)元素。
結(jié)合實(shí)際生產(chǎn)的經(jīng)驗(yàn)和干擾因素，同時(shí)考慮一些數(shù)據(jù)的缺陷采取修正。根據(jù) 資深鍍鋅工藝工程師的經(jīng)驗(yàn)數(shù)據(jù)和期望達(dá)到的理想效果，對(duì)數(shù)據(jù)進(jìn)行分析和處 理，得到優(yōu)秀的訓(xùn)練凄史據(jù)。
B、 BP神經(jīng)網(wǎng)絡(luò)建立
依據(jù)電鍍厚度控制要求、網(wǎng)絡(luò)逼近精度和計(jì)算機(jī)計(jì)算能力，以及輸入輸出向 量情況建立雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。建立兩個(gè)具有相同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)它們含有1個(gè) 輸入層和兩個(gè)隱層和1個(gè)輸出層組成的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
第一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)的輸入層為含有3個(gè)元素的列向量，分別為上鍍層厚度、鋼 巻寬度和鍍槽總電流數(shù)；隱層1有20個(gè)神經(jīng)元其激勵(lì)函數(shù)為線性函數(shù)；隱層2 有20個(gè)神經(jīng)元其激勵(lì)函數(shù)為S函數(shù)，如公式(1):
輸出層采用線性激勵(lì)函數(shù)，輸出為上鍍層厚度計(jì)算速度。 第二個(gè)網(wǎng)絡(luò)結(jié)構(gòu)與第一個(gè)相同。輸入列向量3個(gè)元素分別為下鍍層厚度、
鋼巻寬度和鍍槽總電流數(shù)；輸出為下鍍層厚度計(jì)算速度。兩個(gè)網(wǎng)絡(luò)以并聯(lián)方式
計(jì)算處理數(shù)據(jù)。
C、 網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練
網(wǎng)絡(luò)訓(xùn)練與學(xué)習(xí)釆用變梯度算法(Conjugate Gradient Backpropagation, CGBP)。其第一次迭代是沿著最陡梯度下降方向開(kāi)始搜索的，如式(2): 一)一g(O) (2)
然后，決定最佳距離的線性搜索沿著當(dāng)前搜索的方向進(jìn)行<formula>formula see original document page 5</formula>
變梯度修正值采用Fletcher-Reeves修正算法，如式(5):
<formula>formula see original document page 5</formula>
采用Fletcher-Reeves修正算法速度快，而且比普通的學(xué)習(xí)率可變的BP算 法(Variable Learning RateBackpropagat ion, VLBP )訓(xùn)練算法快，同時(shí)節(jié)省 計(jì)算機(jī)存儲(chǔ)空間。
誤差性能函數(shù)為均方誤差MES(Mean Square Error)。
BP網(wǎng)絡(luò)架構(gòu)編程和學(xué)習(xí)算法編程在計(jì)算機(jī)上實(shí)現(xiàn)，采用數(shù)學(xué)模擬仿真語(yǔ)言 MATLAB或者其他高級(jí)語(yǔ)言。將經(jīng)過(guò)篩選處理的10000組樣本數(shù)據(jù)輸入計(jì)算機(jī)的 MATLAB程序，編寫(xiě)相應(yīng)程序訓(xùn)練網(wǎng)絡(luò)，得到相應(yīng)的4又值和偏差值。
D、 BP網(wǎng)絡(luò)的工業(yè)控制實(shí)現(xiàn)
將網(wǎng)絡(luò)結(jié)構(gòu)用PLC相應(yīng)的描述性語(yǔ)言編寫(xiě)程序。由于PLC的存儲(chǔ)空間比較小， 所以采用離線訓(xùn)練的方法，即在PLC中只在程序中錄入已經(jīng)在計(jì)算機(jī)中訓(xùn)練好 的，達(dá)到精度要求的網(wǎng)絡(luò)。
采用本發(fā)明設(shè)計(jì)的電鍍鋅鋅層厚度BP神經(jīng)網(wǎng)絡(luò)控制器，能夠高精度地控制 鍍鋅厚度、有效地抑制工業(yè)干擾、智能自適應(yīng)，具有纟艮好的精確性和容錯(cuò)性。


圖1是電鍍鋅^^層厚度BP神經(jīng)網(wǎng)絡(luò)控制方法的流程圖;
圖2是誤差性能函數(shù)與訓(xùn)練步數(shù)的關(guān)系曲線圖3是神經(jīng)網(wǎng)絡(luò)控制器仿真結(jié)果與實(shí)際結(jié)果的對(duì)比圖。
具體實(shí)施例方式
下面結(jié)合附圖及具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。
如圖1所示，本發(fā)明的基于BP神經(jīng)網(wǎng)絡(luò)算法的電鍍鋅鋅層厚度的PLC控制 方法，包括下列步驟
A、 訓(xùn)練樣本數(shù)據(jù)采集
在電鍍鋅生產(chǎn)線采集一定數(shù)量的實(shí)際生產(chǎn)的數(shù)據(jù)樣本，樣本大約要1萬(wàn)組樣 本，并保證數(shù)據(jù)的遍歷性。樣本以輸入向量和輸出向量的形式采集錄入。l個(gè)輸 入向量和對(duì)應(yīng)的1個(gè)輸出向量組成一組樣本數(shù)據(jù)。輸入向量包括上鍍層厚度， 下鍍層厚度，鋼帶寬度和鍍槽總電流數(shù)等元素；輸出向量包括上鍍層厚度計(jì)算 速度和下鍍層厚度計(jì)算速度兩個(gè)元素。
結(jié)合實(shí)際生產(chǎn)的經(jīng)驗(yàn)和干擾因素，同時(shí)考慮一些數(shù)據(jù)的缺陷采取修正。根據(jù) 資深鍍鋅工藝工程師的經(jīng)驗(yàn)數(shù)據(jù)和期望達(dá)到的理想效果，對(duì)數(shù)據(jù)進(jìn)行分析和處 理，得到優(yōu)秀的訓(xùn)練數(shù)據(jù)。
B、 BP神經(jīng)網(wǎng)絡(luò)建立
依據(jù)電鍍厚度控制要求、網(wǎng)絡(luò)逼近精度和計(jì)算機(jī)計(jì)算能力，以及輸入輸出向 量情況建立雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。建立兩個(gè)具有相同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)它們含有1個(gè) 輸入層和兩個(gè)隱層和1個(gè)輸出層組成的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
第一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)的輸入層為含有3個(gè)元素的列向量，分別為上鍍層厚度、鋼 巻寬度和鍍槽總電流數(shù)；隱層1有"個(gè)神經(jīng)元其激勵(lì)函數(shù)為線性函數(shù)；隱層2 有20個(gè)神經(jīng)元其激勵(lì)函數(shù)為S函數(shù)，如公式(1):
S("Hog"g(") = j^7 ①
輸出層采用線性激勵(lì)函數(shù)，輸出為上鍍層厚度計(jì)算速度。 第二個(gè)網(wǎng)絡(luò)結(jié)構(gòu)與第一個(gè)相同。輸入列向量3個(gè)元素分別為下鍍層厚度、鋼巻寬度和鍍槽總電流數(shù)；輸出為下鍍層厚度計(jì)算速度。兩個(gè)網(wǎng)絡(luò)以并聯(lián)方式 計(jì)算處理數(shù)據(jù)。
C、 網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練
網(wǎng)纟各訓(xùn)練與學(xué)習(xí)采用變梯度算法(Conjugate Gradient Backpropagation,
CGBP)。其第一次迭代是沿著最陡梯度下降方向開(kāi)始搜索的，如式(2):
一)=-g(O) (2)
然后，決定最佳距離的線性4叟索沿著當(dāng)前搜索的方向進(jìn)行 ;c(A: + l) = ;x:(&) + a;7(" (3)
/^) = 4) +難旨-1) (4) 變梯度修正值采用Fletcher-Reeves修正算法，如式(5):
^ ， (5) 采用Fletcher-Reeves ^修正算法速度快，而且比普通的訓(xùn)練算法節(jié)省計(jì)算^L 存儲(chǔ)空間。
誤差性能函數(shù)為均方i吳差MES(Mean Square Error)。
BP網(wǎng)絡(luò)架構(gòu)編程和學(xué)習(xí)算法編程在計(jì)算機(jī)上實(shí)現(xiàn)，采用數(shù)學(xué)模擬仿真語(yǔ)言 MATLAB或者其他高級(jí)語(yǔ)言。將經(jīng)過(guò)篩選處理的10000組樣本數(shù)據(jù)輸入計(jì)算機(jī)的 MATLAB程序，編寫(xiě)相應(yīng)程序訓(xùn)練網(wǎng)絡(luò)，得到相應(yīng)的權(quán)值和偏差值。誤差性能函 數(shù)與訓(xùn)練步數(shù)的關(guān)系曲線圖以及神經(jīng)網(wǎng)絡(luò)控制器仿真結(jié)果與實(shí)際結(jié)果的對(duì)比圖 分別如圖2和圖3所示，控制器經(jīng)仿真測(cè)試，輸出值與實(shí)際結(jié)果誤差在1%之內(nèi)。
D、 BP網(wǎng)絡(luò)的工業(yè)控制實(shí)現(xiàn)
將網(wǎng)絡(luò)結(jié)構(gòu)用PLC相應(yīng)的描述性語(yǔ)言編寫(xiě)程序。由于PLC的存儲(chǔ)空間比較小， 所以采用離線訓(xùn)練的方法，即在PLC中只在程序中錄入已經(jīng)在計(jì)算機(jī)中訓(xùn)練好 的，達(dá)到精度要求的網(wǎng)絡(luò)。
權(quán)利要求
1、電鍍鋅鋅層厚度BP神經(jīng)網(wǎng)絡(luò)控制方法，其特征在于包括下列步驟(1)采集電鍍鋅樣本數(shù)據(jù)；(2)建立BP神經(jīng)網(wǎng)絡(luò)；(3)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練。
2、 如權(quán)利要求1所述的電鍍鋅鋅層厚度BP神經(jīng)網(wǎng)絡(luò)控制方法，其特征在于 所述電鍍鋅樣本以輸入向量和輸出向量的形式采集錄入，1個(gè)輸入向量和對(duì)應(yīng)的 l個(gè)輸出向量組成一組樣本數(shù)據(jù)，輸入向量包括上鍍層厚度，下鍍層厚度，鋼帶 寬度和鍍槽總電流數(shù)，輸出向量包括上鍍層厚度計(jì)算速度和下鍍層厚度計(jì)算速 度。
3、 如權(quán)利要求1所述的電鍍鋅鋅層厚度BP神經(jīng)網(wǎng)絡(luò)控制方法，其特征在于 建立兩個(gè)具有相同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，每個(gè)神經(jīng)網(wǎng)絡(luò)均為含有1個(gè)輸入層和兩個(gè) 隱層和1個(gè)輸出層組成的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；第一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)的輸入層為含有上 鍍層厚度、鋼巻寬度和鍍槽總電流數(shù)3個(gè)元素的列向量，隱層1有20個(gè)神經(jīng)元， 其激勵(lì)函數(shù)為線性函數(shù)，隱層2有20個(gè)神經(jīng)元，其激勵(lì)函數(shù)為S函數(shù)，輸出層 采用線性激勵(lì)函數(shù)，輸出為上鍍層厚度計(jì)算速度；第二個(gè)網(wǎng)絡(luò)結(jié)構(gòu)與第一個(gè)相 同，輸入列向量3個(gè)元素分別為下鍍層厚度、鋼巻寬度和鍍槽總電流數(shù)；輸 出為上鍍層厚度計(jì)算速度，兩個(gè)網(wǎng)絡(luò)以并聯(lián)方式計(jì)算處理數(shù)據(jù)。
4、 如權(quán)利要求1所述的電鍍鋅鋅層厚度BP神經(jīng)網(wǎng)絡(luò)控制方法，其特征在于 所述BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練采用變梯度算法，其第一次迭代是沿著最陡梯度下 降方向開(kāi)始搜索的，然后，決定最佳距離的線性搜索沿著當(dāng)前搜索的方向進(jìn)行， 變梯度修正值采用Fletcher-Reeves修正算法。
5、 如權(quán)利要求1所述的電鍍鋅鋅層厚度BP神經(jīng)網(wǎng)絡(luò)控制方法，其特征在于 將訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)錄入PLC控制器。
全文摘要
本發(fā)明的電鍍鋅鋅層厚度BP神經(jīng)網(wǎng)絡(luò)控制方法及其在PLC上的應(yīng)用，包括下列步驟(1)采集電鍍鋅樣本數(shù)據(jù)；(2)建立BP神經(jīng)網(wǎng)絡(luò)；(3)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練；(4)將訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)錄入PLC控制器，采用本發(fā)明設(shè)計(jì)的電鍍鋅鋅層厚度BP神經(jīng)網(wǎng)絡(luò)控制器，能夠高精度地控制鍍鋅厚度、有效地抑制工業(yè)干擾、智能自適應(yīng)，具有很好的精確性和容錯(cuò)性。
文檔編號(hào)C25D3/22GK101539781SQ20091013108
公開(kāi)日2009年9月23日 申請(qǐng)日期2009年4月22日 優(yōu)先權(quán)日2009年4月22日
發(fā)明者平 于, 鳳 尹, 祺 翁, 肖志斌, 安 蒼, 郭小平, 憑 隆 申請(qǐng)人:北京中冶設(shè)備研究設(shè)計(jì)總院有限公司