1、“.....取值时需要考虑实测值的可信度和该规格的带钢已经自学习的次数。长期自学习带钢之间的自学习主要是考虑到当前带钢的控制对下块带钢的影响，所以需要进行长期自学习。当带钢全部都出了层冷区的高温计时，采用指数平滑法进行带钢之间的自学习，为保证稳定性，可以取合适的增益系数。主要是利用控制点之间的自学习所得到的系数，在中选取平均计算的结果作为自学习系数，读取上块的结果，利用指数平滑法计算图自学习模型原理图自学习模型原理图如图所示第块钢第块钢第段第段第段粗调动态设定修正后的集管组态修正后的集管组态精调动态设定实测卷取温度计算模型卷取温度对流换热系数实际阀门组态实测带钢速度自学习修正带钢段之间的自学习预设定预设定的集管组态带钢之间的自学习短期自学习长期自学习第段数据库模型当带钢冷却结束后，过程自动化控制级级将该带钢的相关数据，包括日期时间钢卷号目标数据设定数据以及测量数据添加到本地工程记录数据库中。为了方便查看本地历史工程记录，可以根据需要对工程记录进行各种组合查询和排序......”。

2、“.....卷取温度预报模型的传统卷取温度预报模型基于遗传神经网络的卷取温度预报模型，预设定模型前馈控制模型反馈控制模型自学习模型以及数据库模型。带钢热连轧生产线的层流冷却控制系统在这些控制模型的作用下，冷却后的卷取温度完全可以满足生产工艺的要求。由前述内容，可得到层流冷却控制的系统流程图，如图所示。层流冷却的控制策略由于轧制的带钢的钢种和轧后的厚度不同，所以采用的轧后控冷策略是不同的，主要包括冷却策略带钢分段控制层冷区分段控制冷却速度控制侧喷和吹扫控制和上下集管水比配置。冷却策略在控制过程中，冷却策略主要确定以下几方面的内容上下开阀的起始位置只在前向冷却和两段式冷却的第段中起作用，般上下起始位置是在同个位置，特殊情况下上集管的起始位置应该比下集管更加靠近精轧。操作工可以在上面根据实际情况输入上集管阀门和下集管阀门的开启位置......”。

3、“.....这些都是目前我国带钢热连轧生产线上常用到的层流冷却的控制策略，可以看出，不同的钢种需要不同的策略进行冷却。同时，对这些策略的进步研究，有利于开发和研究特殊钢种的冷却策略。实验部分通过可视化编程语言，在机上编写程序，利用国内带钢热连轧生产线生产过程中实际历史数据，对控制模型里的遗传神经网络卷取温度预报模型进行离线学习和测试，训练数据和测试数据分别为组和组。利用训练样本分别对神经网络和遗传神经网络在相同精度要求的情况下进行误差反向传播训练，遗传神经网路在训练次时达到了精度，除此之外，还可以推导出以下两个控制模型终轧温度补偿控制模型式中终轧温度补偿控制冷却喷水段数系数。转移控制模型式中转移控制冷却喷水段数。这里的转移控制，是考虑在卷取温度控制中引入反馈控制方式后，为尽可能减小控制滞后，而将反馈调节集中在层流冷却系统的下游处进行。假设上游冷却水段数过多，就会使带钢的温度过低，则进行反馈控制时，必须关闭喷水段，才能使带钢温度提高，然而下游又没有可关闭的喷水段，这样反馈控制就起不了作用。因此在卷取温度目标值中预加，使下游处增加水冷段数......”。

4、“.....为反馈控制留出余地，实际经验表明，取为宜。反馈控制模型反馈控制模型主要用来修正卷取目标温度与实际温度的偏差，以便达到较高的卷取温度控制精度。最初的反馈控制，由于控制信号时间滞后较长，因此为避免振荡，实际上只是根据带钢头部的实测温度对设定计算结果进行次性修正。分为两部分调节，是当带钢的头部到达层流冷却系统出口高温计温度检测点时，如果检测的温度与通过模型计算的温度值产生误差时，则通过反馈控制对所产生的误差值进行修正二是当带钢头部到达卷取温度检测点时，若所测卷取温度与设定的卷取温度产生误差时，则通过反馈控制对所产生的误差进行集管开启修正控制。修正采用下列公式计算式中修正冷却水段数带钢头部实测温度通常为采样数据平均值，。需要指出的是，式中给出的反馈控制算法，由于不能进行带钢的全长反馈控制，因此其控制效果是很有限的。为了解决带钢全长反馈控制问题，在卷取温度控制的实践中，采用下列反馈控制算法式中实测卷取温度目标值，。令则式中反馈控制比例项增益因子反馈控制积分项增益因子。于是，可改写为实践证明......”。

5、“.....取得了较好的效果，并已经成功地应用在我国若干套大型带钢热连轧机上。根据上述的前馈控制模型终轧温度补偿控制模型转移控制模型和反馈控制模型，总的冷却喷水段数为自学习模型模型自学习是近几十年来迅速发展起来并广泛应用于计算机控制的项技术。仅仅根据上述的几种控制模型，卷取温度的控制精度是有限的。因此，为了提高计算精度，增强控制模型的适应性，模型的设计需要考虑自学习功能，通过学习可以获得用于修正温度预报模型的自学习系数，即模型具有根据自身经历不断修正以提高精度的学习能力。其基本原理是根据带钢卷取温度的实测值和预报值之间的偏差，采用适当的修正算法，对预报模型中的重要参数进行修正，以提高模型对以后带钢的预报精度。自学习主要包括长期自学习和短期自学习。短期自学习短期自学习又叫带钢段之间的自学习。当带钢段出层冷区的高温计时，满足定条件下，要进行带钢段之间的自学习，以提高控制精度。短期自学习采用指数平滑法式中当前带钢段自学习后的自学习值当前带钢段的自学习值......”。

6、“.....而神经网络则需要次，收敛速度提高了。图显示了两种方法收敛速度的差异图两种神经网络收敛速度比较经过遗传算法的优化设计之后，神经网络进步进行误差反向传对于日志的监控，经过这层包装后就可以非常容易得到处理。贺州市扶贫信息管理系统的日志跟踪和缓存管理就是通过这个包实现的。由于系统框架已经配置好了这个项目的使用，所以在后续的开发中不需要太多的关注。系统功能程序说明以系统中个学习例子为蓝本，介绍系统的功能实现的代码设计，主要介绍列表编辑包括新增和修改查看删除等方法的和实现。实现代码见附录。第页共页系统实现系统实现原则数据安全第原则数据是系统中最重要的信息，在部署中要充分考虑数据的安全性和稳定性。由于本系统中数据部是存在数据库中，因此要充分考虑数据库系统的软硬件安全性。建议数据库采用的镜像部署。系统稳定性原则该系统主要是基于结构，应用服务器是系统非常重要的核心服务器，应用服务器是整个系统中稳定性差的部分，因此，在部署方案中充分考虑应用服务器的稳定性，建议应用服务器和数据库服务器从物理上分离......”。

7、“.....系统实用性原则该系统完全根据扶贫的实际业务进行分析设计，明确业务流程，对业务进行了较好的控制。功能设计说明主要对项目管理模块进行详细的设计说明，其他模块不说明了。界面设计界面设计要求美观简约大方，以绿色为主题表现出绿色环保的主题。界面操作简单易懂。系统界面设计如下项目管理的界面如图所示图项目管理界面如图所示第页共页图项目管理界面如图所示图功能描述列表根据系统用户的行政区域，从数据库中读出用户所属行政区域以及其下属区域的项目信息，还可以对信息进行查询删除操作。编辑对选中的信息进行修改，页面的输入有验证。详细查看选中信息的详细内容。第页共页输入输出数据数据输入主要是用户通过计算机的键盘和鼠标输入。下表中说明了页面输入，其中非空验证说明不允许为空，如果为空系统会提示。列名数据类型长度允许空说明否自动生成否项目编码非空验证否项目名称非空验证否建设地址非空验证否建设性质下拉框选择否建设内容建设规模非空验证否计划总投资默认，格式验证是下达文件号是转发文件号否下文时间转文时间默认当前日期，可选择否所属行政区非空验证......”。

8、“.....业务流程项目管理流程图如图所示已审核项目提交登记项目信息列表查询修改删除图第页共页项目管理的数据来源于已审项目中，点击增加会跳转进入已审核项目列表界面，选取相应的数据进行提交。数据设计项目管理模块的数据设计如下表列名数据类型长度主键允许空说明是否否项目编码否项目名称否建设地址否建设性质外键否建设内容建设规模否计划总投资是下达文件号是转发文件号否下文时间转文时间否所属行政区是主管单位是协管单位是财务管理部门是自学习过程中需要取值合适，取值时需要考虑实测值的可信度和该规格的带钢已经自学习的次数。长期自学习带钢之间的自学习主要是考虑到当前带钢的控制对下块带钢的影响，所以需要进行长期自学习。当带钢全部都出了层冷区的高温计时，采用指数平滑法进行带钢之间的自学习，为保证稳定性，可以取合适的增益系数。主要是利用控制点之间的自学习所得到的系数，在中选取平均计算的结果作为自学习系数，读取上块的结果......”。

9、“.....过程自动化控制级级将该带钢的相关数据，包括日期时间钢卷号目标数据设定数据以及测量数据添加到本地工程记录数据库中。为了方便查看本地历史工程记录，可以根据需要对工程记录进行各种组合查询和排序。本章小结图层流冷却控制系统流程图开始接受带钢及轧线数据操作指令处理预设定计算及卷取温度预报带钢跟踪层冷入口实测数据处理前馈控制层冷出口实测数据处理反馈控制模型自学习数据库归档结束本章主要研究层流冷却温降模型的空冷区温降模型水冷区温降模型，卷取温度预报模型的传统卷取温度预报模型基于遗传神经网络的卷取温度预报模型，预设定模型前馈控制模型反馈控制模型自学习模型以及数据库模型。带钢热连轧生产线的层流冷却控制系统在这些控制模型的作用下，冷却后的卷取温度完全可以满足生产工艺的要求。由前述内容，可得到层流冷却控制的系统流程图，如图所示......”。