基于魯棒學習的精軋寬展及拉窄綜合預報.doc

基于魯棒學習的精軋寬展及拉窄綜合預報本文由zhangli_528貢獻 pdf文檔可能在WAP端瀏覽體驗不佳。建議您優(yōu)先選擇TXT，或下載源文件到本機查看。 年第期 寶鋼技術 基于魯棒學習的精軋寬展及拉窄綜合預報 呂立華，張健民，朱健勤，侯悅 （寶鋼股份公司 技術中；設備部，上海） 摘要：分析了遺傳系數(shù)學習時所遇到的問題，提出了魯棒學習的概念和方法；以熱軋 精軋自然寬展為倒，指出了現(xiàn)有精軋自然寬展模型的不足，提出了精軋寬度變化預測的統(tǒng)計模 型，并基于遺傳系數(shù)魯棒學習方法進行了仿真研究。研究結果表明，文章提出的方法是行之有 效的。 關鍵詞：遺傳系數(shù)；魯棒學習；自然寬展；綜合預報 中圖分類號：，文獻標識碼：文章編號：（） 船 工口胙口，黝脅小帆日肺咖日， （舯 鲆， 曲） ：打 “ 上五 璐 “ 印 “ 陀 “ “ 。叩 。 “ ： ； ； ； 弛 前言 誤差和系統(tǒng)誤差；第四個問題是粗軋段同時可能 有多塊帶鋼存在，要考慮學習結果利用的時機問 題。 吼上四個問題的解決跟數(shù)據(jù)的使用密切相 關，為了提供一個穩(wěn)健的遺傳系數(shù)學習方法，本文 從數(shù)據(jù)人手，提出魯棒學習的概念；分析了以上四 個問題對學習魯棒性的影響，提出了相應的解決 辦法，并通過推理決策的方式給出了魯棒學習算 法；分析了現(xiàn)有精軋自然寬展模型的不足，提出了 精軋寬度變化的統(tǒng)計預測模型；最后基于遺傳系 數(shù)魯棒學習方法，研究了精軋寬度變化的預測，結 果表明本文提出的方法是正確的、可行的。 遺傳系數(shù)魯棒學習 遺傳系數(shù)學習方法有兩類，一是對應平移變 換的加性學習方法，二是對應旋轉變換的乘性學 習方法。本文主要以加性學習方法為例，其定義 遺傳系數(shù)學習是一種工程實際中簡化的自適 應學習方法，其理論基礎是統(tǒng)計學。這就要求用 于學習的樣本能夠代表總體，要符臺統(tǒng)計學的基 本規(guī)律?？刂评锏淖赃m應學習對噪聲有要求，即 要考慮學習的收斂性問題。而熱軋過程機里的自 適應學習有所不同，首先它用到的數(shù)據(jù)已經過前 置機統(tǒng)計處理，另外它把傳統(tǒng)的自適應方法（新參 數(shù)估計值老參數(shù)估計值增益矩陣新息）簡 化為遺傳系數(shù)學習，所以應該把考慮問題的重點 放在樣本數(shù)據(jù)的利用上。第一個問題是前置機對 測量值的平均化處理不是魯棒的，它的污染崩潰 率為；第二個問題是學習時要考慮帶鋼和帶鋼 之間的規(guī)律性；第三個問題是學習時要考慮模型 呂立華博士年生年畢業(yè)于浙江太學現(xiàn)帆事訂 算機自動化專業(yè)電話卵 萬 方數(shù)據(jù) 寶鋼技術 年第期 如下： 定義：加性學習方法 后計算值和實際值的偏差為： （），（）一，（，盧，；川 設預汁算模喇為（。，盧，；），后汁箅 模型為，【， ；一），模型實測值為， 甑甑。占，（） 式中，是平滑系數(shù)。 則加性學習方法是： （”），其中參數(shù)，是估計值，參數(shù)， 口，是實際值，代表帶鋼號，那么模型 ，。（。，盧，；）；，（，盧，；）恥。 （ ，；），（， ，；，），。 定義用到了實際值和估計值，這些數(shù)據(jù)的 作用是不一樣的，要醫(yī)別對待。有些數(shù)據(jù)是有效 的、有些數(shù)據(jù)是可用的、有些數(shù)據(jù)是有害的。為了 合理利用數(shù)據(jù)提供的信息，本文提出魯棒學習的 概念，其定義如下： 一；”（ 上述式中。分別是實測值、預計算值和 后計算值。 則利用后計算對模型進行學習而使實際值與 預計算值的誤差是： ，。一一一，廠。一，。） ? ） 定義：能夠充分利用有效數(shù)據(jù)、限制利用可 用數(shù)據(jù)、排除有害數(shù)據(jù)的學習，稱為魯棒學習。 魯棒學習力求達到以下目標： （）遺傳學習方法在數(shù)據(jù)有效時，應具有良好 的性能。 式（）是不確定性在誤差空間的分解。式中， ：是模型不確定性引起的誤差；旬是輸人參數(shù)不 確定性引起的誤差，也叫系統(tǒng)誤差。 魯棒學習方法既要消除模型誤差，叉要盡可 能消除系統(tǒng)誤差，提高預測精度。達到這個目的 的一個簡單方法是采用目標值或預計算值與實測 值進行比較。 第四個問題是粗軋段同時可能有多塊帶鋼存 在，要考慮學習結果利用的時機問題，不考慮滯 后學習的累積效應，就會引起系統(tǒng)的震蕩。對于 定義給出的加性遺傳學習方法而言，它是指沒 有時滯的情況。這里我們假設學習有塊帶鋼 的滯后，為了簡化分析，不妨假設連續(xù)軋制 塊完全相同的理想帶鋼，考慮最壞情況】， 那么第塊帶鋼學習的調節(jié)量為 廠（）， 而按照我們的假設它只應該調節(jié)（），這就 是滯后學習的累積效應。魯棒學習方法考慮了這 種情況，假設（?）是學習的時滯度量算子，它根 據(jù)具體情況確定，其值指導平滑系數(shù)的選擇。 綜合以上分析，可把考慮了模型誤差與系統(tǒng) 誤差的遺傳系數(shù)魯棒學習方法表述為一個基于三 元組（，）的決鑲過程。 設為規(guī)則集：，。，。 ?（、 （）遺傳學習方法在數(shù)據(jù)可用時，學習效果所 受影響也很少。 （）遺傳學習方法在數(shù)據(jù)有害時，學習效果要 仍能過得去，或不至于變得無用甚至誤入歧途。 影響遺傳系數(shù)學習魯棒性的，主要是第節(jié) 列出的四個問題，它們都和數(shù)據(jù)有關，下面給予簡 要分析。 第一個問題就是實測數(shù)據(jù)噪聲的干擾問題。 一般都假設是白噪聲干擾，而實際情況往往是一 部分是白噪聲，另一部分不是白噪聲。如果是自 噪聲那么目前應用的數(shù)據(jù)處理方法是有效的。 本文考慮實際情況，應用魯棒數(shù)據(jù)處理方法，這 里不妨假設，（?）為測量數(shù)據(jù)魯棒處理算予。 第二個問題就是要考慮帶鋼和帶鋼之間的規(guī) 律性。涉及的數(shù)據(jù)是策略數(shù)據(jù)，用于度量臨近帶 鋼的規(guī)格變化，以便于在換規(guī)格時平滑過渡，這里 假設皿（?）為帶鋼規(guī)格變化度量算子。 第三個問題是要考慮模型誤差和系統(tǒng)誤差。 按定義給出的加性學習方法存在學習的邏輯穩(wěn) 定性和收斂精度問題。下面分析一下由于估計值 和實際數(shù)據(jù)的差異而引起的誤差。設： 。，（。，；），。（口，一；）（） ?。一，。（） 。一，口。?（） 定義一個指標集，：，。，則與式（）對應的 規(guī)則模態(tài)為： 萬 方數(shù)據(jù) 呂立華等 ：）（） 基于魯棒學習的精軋寬展及拉窄綜合預報 增益系數(shù)，。為寬展實際值，。為模型計算的寬 展。 利用式（）進行預測和學習時，沒有很好地 ：（。） ：（。） ：（） ：（?）。 氐：（） ，：（?） 日：（?） 解決本文在第節(jié)提出的四個問題，而且。的 確定在認識上是有問題的。因為式（）預測的是 精軋自然寬展，而形。（精軋寬度一粗軋寬度）只有 在無拉窄的情況下才代表寬展，在實際中想通過 甲。確定真正的寬展是困難的。 其中。（?）為測量數(shù)據(jù)魯棒處理算子；：（?） 為系統(tǒng)時滯度量算子；（?）為規(guī)格變化度量算 子；。（?）為歷史數(shù)據(jù)統(tǒng)計算子。 學習算子集為：妒審，審，審，母（） 另外，寬展全局修正是通過精軋寬度設定值 與精軋寬度實測值比較而得出的，即： （）（）（） ?（） 式中口為遺傳學習算子；口為保持學習算 在計算寬展全局修正時，通過如下的方程來 計算可信區(qū)間對阻尼參數(shù)的影響。 子；母，為復合學習算子；吼為變增益學習算子。 推理規(guī)則集為： 訓，訓，訓，訓 ?（） 則與式（）對應的推理規(guī)則為： ：廬 廿（） ：妒（） 麗器：；） 式中，全局寬展修正的最大阻尼系 數(shù)； 鷴精軋帶鋼寬度的可信區(qū)間； 可信區(qū)間的加權系數(shù)（對一個最 壞的可信區(qū)間，它引起最大可能的阻尼）； 精軋帶鋼寬度實測值； 精軋帶鋼寬度人口值； 寬展綜合修正； 對綜合修正的阻尼參數(shù)。 利用式（）進行學習時，同樣存在影響遺傳 學習魯棒性的四個問題，另外一個明顯的問題是 式（）的學習與式（）的學習是相互耦合的。目 前的系統(tǒng)把設置為，保留了式（）的學 習。但是效果并不理想。 （）精軋寬度變化預測的統(tǒng)計模型 筆者認為精軋寬度的變化既有寬展又有拉 窄，單靠式（）給出的模型及其學習方法，很難有 滿意的精度?？紤]到寬展與拉窄的信息埋藏在過 程數(shù)據(jù)之中，提出了基于遺傳系數(shù)魯棒學習的精 軋寬度變化統(tǒng)計預測模型。 設，（）為時刻的寬度變化實際 值，（）為時刻以前寬度變化的平均值，則精 軋寬度變化遞推預報模型為： 加（七）訓（）占陽（）一（）（） 川：聲聲九皿?一（） ：蘆口（】） 精軋寬展殛拉窄魯棒預測 模型研究與分析 以加熱軋精軋自然寬展預測為例研究基 于魯棒遺傳學習的精軋寬度變化預測模型。 （）精軋自然寬展模型 。，（計），（），（）?（） 式中，（”）精軋帶鋼寬度對精軋寬展的影響 因子，廠（）訓，為 寬度系數(shù)； 廠（精軋帶鋼厚度對精軋寬展的影響 因子，（） ，為厚度 系數(shù)； ，（）精軋厚度壓下對精軋自然寬展影 響因子，（）耽，。為精軋厚度壓下對 精軋自然寬展影響常數(shù)，為精軋厚度相對總壓 下率，（一）口，村為粗軋帶鋼厚度（含系統(tǒng) 厚度人工修正），為精軋目標厚度； 。寬度自適應系數(shù)；。蜀 式中，為增益，（）一；（女）可以視為新息。 定理：當（）時，式（）是精軋寬度變 化觀測值蟣（江，）期望的無偏估計。 證明：將（）帶入式（）有： 書一“），“為新老自適應系數(shù)，為 萬 方數(shù)據(jù) 寶鋼技術 （十）（一）（女）療?（） 年第期 南佩）南州川 因為訓（七）：“（）；所以有： （）：?毒州）點州） 南善（）（ 可見定理成立， 仿真研究 式（）遺傳系數(shù)的學習采用加性方法，但不 區(qū)分后汁算和預計算，同時結合式（）的魯棒 學習，考慮了異常值干擾、時滯、換規(guī)格等問題，同 時還仿真說明了系統(tǒng)誤差對模型預測的影響。筆 者應用實際數(shù)據(jù)進行了仿真研究，結果如圖 所示（其中縱坐標是寬展，橫坐標是帶鋼數(shù)，虛線 為仿真結果，實線為實測值）。 羞 斟 型 粥 辭 耀 篁 制 型 撼 辭 蜒 帶鋼數(shù) 圖基于統(tǒng)計模型的一步預測 ?。畔州 帶鑭數(shù) 圖基于統(tǒng)計模型的魯棒預測 帶銅鼓 目 圍無系統(tǒng)誤差的一步預測 。 圖是無系統(tǒng)誤差的情況，圖是有系統(tǒng)誤 山 日 差的情況，對比是明顯的，進一步說明本文式（ ）的分析是有道理的。圖是結合統(tǒng)計模型的一 步預測，它沒有考慮數(shù)據(jù)的局部作用原理，有些地 方發(fā)生了跳變。圖是魯棒學習方法，從圖 和表給出的統(tǒng)計數(shù)據(jù)可以看出，圖的方法實 現(xiàn)了魯棒學習方法要達到的三個目標，也表明筆 者提出的魯棒遺傳學習方法是行之有效的。 結語 長期以來，模型的學習問題一直是困擾工程 技術人員的一個難題。不管是用統(tǒng)計方法建立的 模型還是用神經元網絡建立的模型，都涉及一個 帶銅數(shù) 在線的自適應學習問題。一個突出的問題是，離 線模型的效果還可以，在線應用一段時間效果就 船 圖有系統(tǒng)誤差的一步預測 。 無法保證了。所以這樣的模型如果沒有一個在線 （下持第酉） 萬 方數(shù)據(jù) 劉 安不銹鋼冷軋全崖續(xù)線與傳統(tǒng)線的比較 ，產能損失相當大。 構用管材、工業(yè)用管材、汽車排氣管等。國內用戶 的使用習慣與歐美有差異，歐洲、美國小銹鋼市場 的伶軋產品平均厚度接近于 （）只能生產奧氏體及少量鐵素體不銹鋼，厚 度日前最薄只能達到 ，且不能生產高表面 要求的產品，對市場適應性較差，品種、規(guī)格較單 一，生產組織靈活性較低，生產批量要求較大。 （）風險高于傳統(tǒng)線，投資回收率在建設開始 的前年要差于傳統(tǒng)線。 （）因為連續(xù)線可達到的最大壓下率?。▕W氏 體約，鐵素體約倔），對熱軋卷的厚度要求 更薄，使熱軋成本增加，因壓下率小也會使冷軋產 品的沖壓性能有所下降。 （）取消軋前退火工藝和帶氧化皮軋制技術 對熱軋工藝的要求高。 （）在連續(xù)線上如鋼卷出現(xiàn)缺陷卷將無法處 理，而傳統(tǒng)線可以由修磨機組研磨后再軋制成更 薄規(guī)格的產品。因此上連續(xù)線的公司也往往擁有 傳統(tǒng)線。 連續(xù)線需進一步研究的幾項工作 連續(xù)線在產能、噸鋼投資上有優(yōu)勢，但如要應 用，要先對以下幾項工作進行進一步研究落實： （）取消軋前退火技術的研究。 （）帶氧化皮軋制技術的研究。 （）由于連續(xù)線的產量高且出品太鋼種、規(guī) 格范圍集中，產品的表面質量相對較差。按照目 前已投產的幾條連續(xù)線的產品，主要用于建筑結 ，而國內市場的 平均消費厚度小于 。國內市場是否有足夠 的需求量？要進行市場的進一步調查與研究。 （）熱卷來料的質量要保證穩(wěn)定。 幾點不成熟的建議 （）若采用全連續(xù)機組，傾向于法國的技術， 理由有二： ）東方市場對表面的要求高于西方市場； ）連續(xù)線對原料要求極高，如熱軋原料質量 不穩(wěn)定就難以滿足連續(xù)線的要求。 （）迅速集中精干力量邊培訓學習、邊研究、 邊籌備。人員可分兩部分： ）從事不銹鋼生產或研究的人員； ）從事過全連續(xù)普碳鋼冷軋的人員。 （）連續(xù)線的生產工藝難度大，技術復雜，為 減少風險，可向擁有成熟經驗的廠家購買工藝技 術。但如與其進行合資并得到其技術支撐較為 妥當。 總之，全連續(xù)生產線有優(yōu)勢，但要變成現(xiàn)實， 時間可能稍長，具有一定難度和風險。 編輯劉宏娟 改穡日期一 。：；：；二二：二：；：二：；：；一：一：；：二；二：；二；一：二： （上接第頁） 的學習機制做保證，就很難在實際中應用。 表一步預測和二步預測統(tǒng)計結果 叫 。 腫 本文提出的遺傳系數(shù)魯棒學習方法具有一定 的優(yōu)越性，其部分結論在寶鋼粗軋過程機改 造中得到應用，在一定程度上提高了系統(tǒng)的魯棒 性和模型的計算精度。本文基于遺傳系數(shù)魯棒學 習方法，應用統(tǒng)計模型，對精軋寬展及拉窄預報進 行仿真研究，結果表明，本文提出的方法是有效 的、可行的。 參考文獻 忸 叫 聽，： 編輯馬凱利 改稿日期：一一） 萬 方數(shù)據(jù) 基于魯棒學習的精軋寬展及拉窄綜合預報 作者： 作者單位： 刊名： 英文刊名： 年，卷(期)： 被引用次數(shù)： 呂立華， 張健民， 朱健勤， 侯悅 呂立華,張健民(寶鋼股份公司技術中心,上海,201900)， 朱健勤,侯悅(寶鋼股份公司設備部 ,上海,201900) 寶鋼技術 BAOSTEEL TECHNOLOGY 2004，(1) 0次 參考文獻(1條) 1.Huber PJ Robust Statistics 1981 相似文獻(1