(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111197518.5 (22)申请日 2021.10.14 (71)申请人 太原科技大 学 地址 030024 山西省太原市万柏林区瓦流 路66号 (72)发明人 张坚　胡建华　双远华　王清华　 周研　穆佳浩　赵铁林　 (74)专利代理 机构 太原智慧管家知识产权代理 事务所 (特殊普通合伙) 14114 代理人 张洋 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于Matlab的无缝钢管连轧工艺智能 预测系统及方法 (57)摘要 一种基于Matlab的无缝钢管连轧工艺智能 预测系统， 属于无缝钢管连轧工艺技术领域。 本 系统包括： 连轧工艺模型设计计算模块、 智 能模 型预测模块和反馈模块， 连轧工艺模 型设计计算 模块建立工艺流程和设计工艺参数指导实际生 产， 智能模 型预测模块包括实际生产数据的导入 用来训练神经网络， 反馈模块对神经网络训练的 数据进行分析并对工艺参数进行调整。 此外， 本 发明还提供了一种基于智能预测系统的预测方 法。 本发明是一套集设计、 预测和反馈为一体的 连轧工艺智能系统， 在Matlab  App Designer环 境中开发实现， 使智能模型预测模块的建立、 优 化、 预测、 反馈和其他系统的交互更加高效便捷， 为轧钢厂工艺 参数的调整提供了参 考价值。 权利要求书2页 说明书15页 附图10页 CN 113901725 A 2022.01.07 CN 113901725 A 1.一种基于 Matlab的无 缝钢管连轧工艺智能预测系统， 其特 征在于， 包括： 连轧工艺模型设计计算模块， 建立连轧工艺流程和设计一系列工艺参数来指导实际生 产， 并将其设计的工艺 参数上传至智能模型 预测模块中； 智能模型预测模块， 采用灰色关联确定所述连轧工艺模型设计计算模块中各个工艺参 数的影响因素， 从而独立建立各个工艺参数的BP神经网络， 经试值法优化后获得符合训练 要求的神经网络； 然后再经遗传算法优化单元和BP神经网络训练单元的不断优化与训练， 同时结合现场所需要轧制的无缝钢 管的规格数据， 对各个工艺参数进行预测， 最后将预测 工艺参数上传到反馈模块中； 和 反馈模块， 实时反映BP神经网络的综合训练效果， 并评估预测工艺参数的准确性， 同时 针对上述预测工艺参数的影响因素进 行分析后优化调整， 并把优化调整后的工艺参数上传 至所述连轧工艺模型设计 计算模块中。 2.根据权利要求1所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统， 其特征 在于， 所述连轧工艺模型设计 计算模块包括： 已知参数单元， 根据实 际要求获取连轧前后管形尺寸的已知参数， 并将这些参数录入 到Matlab的系统中； 设计参数单元， 根据已知参数单元和无缝钢管变形原 理对连轧工艺过程中各道次的工 艺参数进行设计； 孔型参数 单元， 根据设计参数 单元中各道次的工艺 参数来设计孔型参数； 速度参数单元， 根据已知参数单元、 设计参数单元和孔型参数单元中的数据通过计算 得出各道次的速度参数； 力能参数单元， 根据已知参数单元、 设计参数单元和孔型参数单元中的数据通过计算 得出各道次的力能参数。 3.根据权利要求2所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统， 其特征 在于， 所述智能模型预测模块包括有BP神经网络构建单元， 该构建单元采用灰色关联确定 所述连轧工艺模型设计计算模块中各个工艺参数的影响因素， 并据此确定BP神经网络的输 入神经元数和输入变量， 从而独立建立各个工艺参数的BP神经网络， 并采用试值法对隐含 层神经元数不断优化后获得最优隐含层神经元数， 进而构建出符合训练要求的BP神经网 络。 4.根据权利要求3所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统， 其特征 在于， 所述智能模型预测模块还包括有遗传算法优化单元， 该遗传算法优化单元利用BP神 经网络构建单元初步训练结束后的权值和阈值作为遗传算法优化的初始 值， 然后利用遗传 算法对该初始值进行优化， 得到比较好的初始权值和阈值， 为下一次BP神经网络的训练提 供初始的权值和阈值， 当遗传算法优化过程达到设置的迭代次数时， 初始值优化结束， 最 终 得到最优的初始权值和阈值。 5.根据权利要求4所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统， 其特征 在于， 所述智能模型 预测模块还 包括有BP神经网络训练单 元和BP神经网络预测单 元； 其中， 所述BP神经网络训练单元， 将现场所需要轧制的无缝钢管的规格数据导入至已 构建并优化后的BP神经网络中， 进行再训练， 当训练后实际值和预测值相对误差达到工业 生产要求后， 认为训练达 到预期目标， 训练结束， 作为 最终预测工艺 参数的预测模型；权　利　要　求　书 1/2 页 2 CN 113901725 A 2所述BP神经网络预测单元， 采用最终建立的预测模型来预测下一次生产后的工艺参 数。 6.根据权利要求5所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统， 其特征 在于， 所述智能模型 预测模块还 包括有数据导入单 元和数据导出 单元； 其中， 所述数据导入单元， 将生产现场所采集的实 际数据和连轧工艺模型设计计算模 块中设计完成的工艺 参数导入至 Matlab的系统中； 所述数据导出单元， 将经BP神经网络预测单元预测的工艺参数导出并将其上传到反馈 模块中。 7.根据权利要求6所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统， 其特征 在于， 所述反馈模块包括有： 训练误差综合评估单元， 实时反映BP神经网络的综合训练效 果， 并根据BP神经网络预测模型的预测值与实际值的相对误差来评估预测模型的准确性。 8.根据权利要求7所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统， 其特征 在于， 所述反馈模块还包括有： 参数误差检验单元， 分析影响上述预测工艺参数的影响因 素， 得出被预测工艺 参数的变化大小和方向， 进 而调整该 预测工艺 参数的大小和方向。 9.根据权利要求8所述的一种基于Matlab的无缝钢管连轧工艺智能预测系统， 其特征 在于， 所述反馈模块还包括有： 参数修正单元， 根据参数误差检验单元分析得出的对特定的 某一个工艺参数的影响因素对其进行调整来优化该工艺参数， 在每一次做出调整后进 行记 录， 并把调整后的参数 数据上传到连轧工艺模型设计 计算模块中。 10.一种基于 Matlab的无 缝钢管连轧工艺智能预测方法， 其特 征在于， 包括： (1)采用连轧工艺模型设计计算模块建立连轧工艺流程和设计一系列工艺参数来指导 实际生产， 并将其设计的工艺 参数上传至智能模型 预测模块的步骤； (2)采用灰色关联确定连轧工艺模型设计计算模块中各个工艺参数的影响因素， 从而 独立建立各个工艺参数的BP神经网络， 经试值法优化后获得符合训练要求的神经网络； 然 后再经遗传算法优化单元和BP神经网络训练单元的不断优化与训练， 同时结合现场所需要 轧制的无缝钢 管的规格数据， 对各个工艺参数进行预测， 最后将预测工艺参数上传到反馈 模块的步骤； (3)实时反映BP神经网络的综合训练效果， 并评估智能模型预测模块的准确性， 同时针 对上述预测工艺参数的影响因素进行分析后优化调整， 并把优化调整后的工艺参数上传至 连轧工艺模型设计 计算模块中的步骤。权　利　要　求　书 2/2 页 3 CN 113901725 A 3