1 前言
建立精确的数学模型，在处理非线性问题上有着良好的效果，矫直机二级模型的设计就是建立了神经元网络控制系统，依据径向基函数的逼近非线性函数运算方法得到可靠的矫直策略，对矫直机的矫直力、扭矩、速度等参数进行全面的分析和设定，在保证不超出限定值的前提下得到希望的塑变比和平直度。
1L2模型的组成及主要功能
二级模型由三部分组成：一是二级服务器：该计算机运行二级。所以跟踪，预设值计算，数据库储存和通讯都由改服务器完成，它是二级的指挥中心；二是人机界面计算机（HMI）：它负责人机界面的应用，通过这里进行系统实际操作，应用软件为VISUAL BASIC；三是工程师站计算机：用于程序控制和管理员维护，程序设计由C++和VAI环境下实现。
主要功能包括： PDI（基础数据）的输入；PDO基础数据的输出；HMI人机接口的操作实现；二级数据库的实现；与L3的数据通讯；与其它相关设备的通讯。
2神经元网络的构成及计算
矫直机L2模型的运算是采用单层径向基函数网络，径向基( Radial Basis Function,简称RBF)网络是一种新颖有效的前向型神经网络, 它是一组径向基函数的线性组合，具有较高的运算速度和外推能力, 同时有很强的逼近非线性函数的能力，并且逼近精度与网络结构的关系是具有可塑性的，即网络能通过调整自己的结构来实现最佳逼近精度。
径向基函数网络是一种常见的人工神经网络，是J.Moody和CDarken于1989年提出的，采用高斯函数等径向基函数作为神经元传递函数，用于非线性函数的逼近。这个网络可以用一个结构图来表示它的输入输出关系(图一)。由图可知，它是由第一层的输入层,第二层的隐层和第三层的输出层组成。输入层是由输入样本节点组成；隐层为径向基层，作用函数是径向基函数。对一个输入样本，隐层中的各径向基函数都有一个输出，隐层的输出结果是这些输出的加权和。
（图一：三层神经元网络结构图）
径向基函数网络的基本原理是：用一个径向基函数在因变量的某个局部区域上拟合函数的一部分，不同的基函数对应不同的局部区域，这样整个基函数组的加权和就形成一个总的函数，我们把它看作是对某个函数的逼近拟合。运用Mood和Darken的算法，这个算法先对样本的输入部分做聚类分析，通常是k-mean法，将样本的输入部分分成若干类，算出每类的重心作为径向基函数的中心，再指定径向基函数的宽度参数，然后用最小二乘法确定各径向基函数的组合系数。
为了提高数据表的提取功能，从径向基神经元网络中利用派生的方法将数据引出，具体计算方法如下：
（1）对每个PDI输入数据i进行标准化,即聚类分析。见公式1所示：
（2）计算径向基函数的宽度参数，见公式2所示：
（3）对数据库中的每个元素计算出权重比，见公式3所示：
（4）所有的在表中选择的K个元素的最终输出值，见公式4：
3 二级模型的设计
二级模型的设计用来矫直热钢板。这个模型基于离线模型和在线模型两个功能。离线模型是一个物理模型，需要一个长时间的计算过程，它的输出存储在数据表中，离线测试成功后，通过在线模型进行应用和实践，具有神经元网络的几何自适应功能。
3.1模型策略的生成
模型包括在线模型和离线模型，离线模型的结果存储在智能表中，根据测量结果得到的自适应。在线模型也叫做工艺程序模拟器。这个模拟器可以自学习，得到矫直钢板的较好的塑变比和平直度。
在线模型是三个计算结果的线性组合（依据每个结果的置信因数）：离线模型计算结果、短期项目适应结果、长期项目适应结果。
模型的输入数据为：钢种、温度、厚度和塑变比。利用钢种和温度，模型首先将钢的特性记录到数据表中，并且根据离线模型计算出结果给出初始辊缝的设定，根据钢种、温度和厚度的变化和不同，模型将适应的改变辊缝，并计算出相适应的矫直力、扭矩和塑变比。
矫直力和扭矩的计算公式如下：
forceOff ：离线模型计算的矫直力t结果；forceOffC：矫直力的置信因数；forceShort：短项目适应结果的矫直力；forceShortC： forceShort.的置信因数；forceLong：长项目适应结果的矫直力；forceLongC： forceLong.的置信因数。
在线模型验证各种限制值（矫直力、扭矩）是否超出，如果塑变比达到了，各种限制值没有超出，则模型输出计算结果。当塑变比没有达到，而限制值没超出时，模型将减少辊缝，重新进行验证。当塑变比没有达到但一个限制值超出了，模型恢复到上一次的迭代值，并且发送输出结果，并指示不能达到塑变比了。
3.2数据表的建立和存储
模型基于钢板的物理特性和钢板属性原理的特点，计算和记录了钢板厚度分布，并在钢板进入矫直机时根据矫直辊的位置计算出钢板的运行轨迹。这个计算过程考虑了所有的位置设置和所有的钢板特性，计算结果存储在一个数据表中，主要包括以下几个关键值如表一所示：
3.3 测量数据处理
收集的数据运用统计学的方法进行分析处理，将有效的数据写到报告中，并应用于模型的自适应功能。L1以200ms的周期向L2发送测量数据值。这些数据存储在一个循环堆栈中，不断接收L1的循环反馈信息，跟踪模型则进行数据的处理分析，未经处理的物理测量数据必须由矫直机的状态改变来触发，才有进行有效的运算和使用。同理，如果测量条件不再具备（如稳定的轧制速度，矫直机内的无矫直钢板等），则数据处理运算停止。
测量值包括：钢板的长度、进出矫直机的张力、机架的矫直力、弯辊力、矫直速度、主电机功率、进出辊的位置、延伸率等。一旦处理后的数据是有效的，则模型进行自适应学习，并且将测量数据存储在PDO表中。
3.4HMI人机交互界面
HMI人机交互界面的运行有两个主要功能：一是便于操作工查看生产数据和信息，二是物料负责实现矫直机上下游工序（上游是ACC快冷设备，下游是冷床）间的钢板信息及物料跟踪数据收集和L2数据表的维护、从L3接收钢板PDI信息以及轧制程序的维护、收集数据和数据的存储，模型的自学习功能以及L2模型的预计算设定。
从HMI上可以查看来自L3的物料信息，以及来自L2的跟踪信息，包括下一张要矫直机的钢板、当前正在矫直的钢板和己经矫直完成的最后三张钢板的信息。
L1的热金属检测器HMD检测到钢板的头部和尾部，但并不在L2的HMI上显示钢板的实际位置和图形，而且以通讯的方式将L1检测到的钢板跟踪信息发送到L2，L2根据L1发来的数据及现场设备的速度等参数进行运算后，计算出钢板矫直道次、压下量、扭矩等模型策略。在道次之间，L2 模型会根据L1的实时数据时行自适应的调整，得到较好的矫直策略和平直度。HMI如图二所示：
（图二：L2模型的跟踪）
4 小结
神经元网络模型的应用，提高了二级的策略分析的精度。二级模型的应用提高了矫直机的矫直质量，实现了从三级接受钢板信息，实时物料跟踪，自动计算矫直参数以及自适应学习的全自动功能，最大限度的保证了钢板的矫直质量、提高了设备的安全性，避免了扭矩、矫直力等过大造成的设备损坏，具有很好的推广价值。
作者：岳临萍，女，（1972-），硕士研究生，电气高级工程师，主要从事计算机控制与自动化仪表的现场管理与维护。
邮箱：yuelinping@yahoo.com.cn
手机：13864172994
地址：山东济南市历城区工业北路21号，济钢中厚板3500产线 邮编：250101
