王　莉，王冬青，王二元
北京科技大學鋼鐵流程先進控制教育部重點實驗室，北京

摘　　　要：溫度是帶鋼熱連軋過程中幾個較重要的工藝參數之一，由于溫度將直接影響到熱軋軋制力，因此精確預報各道次，特別是精軋機組各機架的軋制溫度，是保證厚度、板形及寬度數學模型命中率的關鍵。而精軋溫度預報技術是熱連軋的核心技術。由于傳統的模型技術已經不能進一步提高精軋溫度的預報精度，針對帶鋼熱連軋精軋溫度傳統模型的固有缺陷，根據ＣＭＡＣ神經網絡具有很強的泛化能力，并且誤差收斂速度快的特點，提出了基于ＣＭＡＣ神經網絡的熱連軋精軋溫度預報模型。運用實際生產數據對該網絡進行了訓練和測試。結果表明，該ＣＭＡＣ模型能準確、實時地預報精軋溫度，實現了通過提高精軋溫度預報精度來達到提高帶鋼終軋溫度命中精度的目的。通過ＣＭＡＣ預報精軋溫度方法與傳統的經驗模型預報相比，ＣＭＡＣ系統誤差的響應速度快、穩定性好，此模型具有良好的在線應用前景。

關　鍵　詞：精軋溫度；ＣＭＡＣ神經網絡；溫度預報

１　引　言
熱連軋帶鋼的精軋過程是一個非線性、有滯后的傳熱軋制過程，其中終軋溫度的命中精度是描述帶鋼精軋溫度控制好壞的較重要的指標［１］。在實際生產過程中，精軋溫度控制主要依賴傳統的溫度數學模型，并通過對模型中的某些模型系數進行自學習修正來提高控制精度。但是由于溫度模型的系數確定比較粗糙，導致精軋溫度的控制精度不高。而人工神經網絡（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，ＡＮＮ）可以實現非線性映射，它具有并行處理、記憶和學習的能力，可以滿足精軋溫度控制的要求。傳統的ＢＰ神經網絡屬于全局逼近網絡，學習速度較慢。而小腦模型ＣＭＡＣ具有局部逼近能力，學習速度快，且不存在局部極小值問題，泛化性強［２］。所以本文提出了將ＣＭＡＣ神經網絡模型應用于精軋溫度預報，仿真實驗結果表明ＣＭＡＣ精軋溫度預報的精度較高、響應速度快、穩定性好。

登錄網站后可下載文件