的带钢相关的实时信息，并将过程控制主机1的控制指令下发到所述执行器来执行； 酸液浓度PLC4,用于与酸液相关传感器相连，接收由所述酸液相关传感器反馈的酸洗工艺 数据，其中，所述酸洗工艺数据包括带钢延伸率、酸液温度、酸液浓度、酸泵流量，具体的：
[0035] 在步骤201中，控制主机1读取带钢数据，利用训练好的酸洗工艺参数设定的人工 神经网络模型为带钢设定酸洗工艺参数。
[0036] 在步骤202中，酸液浓度PLC4实时采集酸洗工艺参数，控制主机1调用训练好的 酸液温度控制人工神经网络模型、酸液浓度控制人工神经网络模和酸泵流量控制人工神经 网络模型分别对酸液温度、酸液浓度和酸泵流量进行控制，实现酸洗工艺参数自动设定与 控制。
[0037] 本发明实施例在收集大量酸洗工艺段样本数据的基础上，通过人工神经网络方法 对酸洗工艺段智能控制，提高了带钢表面质量、降低酸洗工艺段能介耗量、降低机组的运行 维护人力成本，并且避免西马克、奥钢联酸洗模型的局限性。
[0038] 结合本发明实施例，存在一种优选的方案，其中，在实现酸洗工艺参数自动设定与 控制之前，所述方法还包括：
[0039] 所述控制主机1逐一训练酸洗人工神经网络模型，所述酸洗人工神经网络模型包 括酸洗工艺参数设定的人工神经网络模型、酸液温度控制的人工神经网络模型、酸液浓度 控制的人工神经网络模型和酸泵流量控制的人工神经网络模型；对应不同的酸洗人工神经 网络模型，以实时数据采集模块采集的酸洗工艺段实时数据为基础，对应各自的样本数据 进行训练。
[0040] 结合本发明实施例，存在一种优选的方案，其中，所述酸洗人工神经网络模型，具 体包括：由三层组成，第一层为输入层，接收参数输入，第二层为隐含层，对输入数据进行转 换，第三层为输出层，输出目标参数。
[0041] 结合本发明实施例，存在一种优选的方案，其中，所述三层组成在各人工神经网络 模型中具体包括：酸洗工艺参数设定人工神经网络模型的输入为带钢品种、带钢厚度、卷取 温度和带钢速度，输出参数为带钢延伸率、酸液温度、酸液浓度和酸泵流量；酸液温度控制 人工神经网络模型的输入为设定酸液温度和实时酸液温度，输出为石墨换热器蒸汽阀的开 口度（如图2所示）；酸液浓度控制人工神经网络模型的输入为设定酸液浓度和实时酸液 浓度，输出为新酸流进速度和废酸排除流速；酸泵流量控制人工神经网络模型的输入为设 定酸泵流量和实时酸泵流量，输出为酸泵功率百分比。
[0042] 结合本发明实施例，存在一种优选的方案，其中，所述神经元之间存在多个连接， 对应不同且可不断修正的权值。
[0043] 结合本发明实施例，存在一种优选的方案，其中，所述选择Sigmoid函数作为转换 函数，采用BP算法对各酸洗人工神经网络模型进行训练并验证，具体包括：对应不同的酸 洗人工神经网络模型，以酸洗工艺段实时数据为基础，对应各自的样本数据进行训练。
[0044] 结合本发明实施例，存在一种优选的方案，其中，所述对应不同的酸洗人工神经网 络模型，以实时数据采集模块采集的酸洗工艺段实时数据为基础，对应各自的样本数据进 行训练，具体包括：
[0045] 选择Sigmoid函数作为转换函数，采用BP算法对各酸洗人工神经网络模型进行训 练并验证，如果误差控制在5%之内，则认为训练效果合格。
[0046] 结合本发明实施例，存在一种优选的方案，其中，所述以实时数据采集模块采集的 酸洗工艺段实时数据为基础，对应各自的样本数据进行训练，具体包括：
[0047] 选择实时数据中80%数据作为样本数据，20%数据作为验证数据，来完成所述训 练。
[0048] 实施例2 ：
[0049] 如图3所示，本发明实施例还提供了一种冷轧机组中酸洗工艺段智能控制系统， 所述系统包括：控制主机1、酸洗模型主机2、过程控制PLC3、酸液浓度PLC4,所述控制主 机1用于完成机组的生产和调度；过程控制PLC3,用于与底层的传感器和执行器相连，接收 由所述传感器采集的带钢相关的实时信息，并将过程控制主机1的控制指令下发到所述执 行器来执行；酸液浓度PLC4,用于与酸液相关传感器相连，接收由所述酸液相关传感器反 馈的酸洗工艺数据，其中，所述酸洗工艺数据包括带钢延伸率、酸液温度、酸液浓度、酸泵流 量，具体的：
[0050] 控制主机1读取带钢数据，利用训练好的酸洗工艺参数设定的人工神经网络模型 为带钢设定酸洗工艺参数；酸液浓度PLC4实时采集酸洗工艺参数，控制主机1调用训练好 的酸液温度控制人工神经网络模型、酸液浓度控制人工神经网络模和酸泵流量控制人工神 经网络模型分别对酸液温度、酸液浓度和酸泵流量进行控制，实现酸洗工艺参数自动设定 与控制。
[0051] 结合本发明实施例，存在一种优选的方案，其中，所述系统还包括酸洗质量图像采 集运动摄像头，具体的：带钢酸洗质量图像数据通过摄像头传递给所述控制主机1获取，并 在操作人员判定质量结果后存储。
[0052] 本系统中各执行主体还用于完成本发明方法实施例中提出的各优选方案，由于本 发明方法实施例和系统实施例属于一个总的发明构思，其实现手段可以互相借鉴，因此，处 于简洁的考虑，在此不一一赘述。
[0053] 本发明系统实施例建立的酸洗工艺段智能系统用实际的生产数据作为学习与训 练样本数据，贴近生产实际；系统建立的多个人工神经网络模型能够通过训练不断的进行 学习，从而达到非常高的精度；系统建立的多个人工神经网络模型具有非常好的非线性映 射能力，泛化能力好；系统采用OPC作为数据交换接口，适应面广，可扩展性强。
[0054] 实施例3 ：
[0055] 本实施例基于实施例1所公开的方法实施例以及实施例2所公开的系统实施 例基础上，结合具体的应用场景，阐述如何在具体的应用场景中，实现本发明所提出的方 法。在本实施例中，控制主机1的功能被拆分到MES(中文全称：制造执行系统，英文全称： Manufacturing Execution Systems)主机和过程控制主机两个共同来实现，如图4所示，具 体包括以下执行步骤：
[0056] 在步骤302中，如图5所示的系统架构图，搭建冷轧机组酸洗工艺段智能系统，主 要包括MES主机11、过程控制主机12、酸洗模型主机2、过程控制PLC3、酸液浓度PLC4和酸 洗质量图像采集运动摄像头5,将各计算机通过工业以太网连接起来，将PLC与现场的各类 传感器和执行器连接起来，另外，通过无线WiFi站点6建立酸洗模型主机和质量数据采集 运动摄像头之间的连接。
[0057] 在步骤303中，采集并存储大量的酸洗工艺段实时数据。带钢数据包括带钢品种、 带钢厚度和卷取温度等，所述酸洗工艺数据通过过程控制PLC和酸液浓度PLC中获取，酸 洗工艺数据包括带钢延伸率、酸液温度、酸液浓度、酸泵流量以及现场的相关仪表数据，带 钢酸洗质量图像数据通过运行在酸洗模型主机上的运动摄像头客户端软件获取，人工判定 质量结果后存储，酸洗工艺段的能源介质耗量数据通过过程控制PLC采集的仪表数据中获 取。
[0058] 在步骤304中，逐一训练酸洗人工神经网络模型，其中，人工神经网络模型的建立 和训练利用开源软件AForge. NET实现，模型主要包括酸洗工艺参数设定人工神经网络模 型、酸液温度控制人工神经网络模型、酸液浓度控制人工神经网络模型和酸泵流量控制人 工神经网络模型，这些模型一般由三层组成，第一层为输入层，接收参数输入，第二层为隐 含层，对输入数据进行转换，第三层为输出层，输出目标参数，另外，神经元之间存在多个连 接，对应不同且可不断修正的权值。其中，酸洗工艺参数设定人工神经网络模型的输入为带 钢品种、带钢厚度、卷取温度和带钢速度，输出参数为带钢延伸率、酸液温度、酸液浓度和酸 泵流量，酸液温度控制人工神经网络模型的输入为设定酸液温度和实时酸液温度，输出为 石墨换热器蒸汽阀的开口度，酸液浓度控制人工神经网络模型的输入为设定酸液浓度和实 时酸液浓度，输出为新酸流进速度和废酸排除流速，酸泵流量控制人工神经网络模型的输 入为设定酸泵流量和实时酸泵流量，输出为酸泵功率百分比。
[0059] 对应不同的酸洗人工神经网络模型，以采集的酸洗工艺段实时数据为基础，对应 各自的样本数据进行训练，选择其中80 %数据作为样本数据，20 %数据作为验证数据，选择 Sigmoid函数作为转换函数，采用BP算法对各酸洗人工神经网络模型进行训练并验证，如 果误差控制在5%之内，则认为训练效果好。以酸液温度控制人工神经网络模型为例，其网 络模型如图2所示，训练样本数据见表1，设置酸液温度控制人工神经网络模型参数，其中 包