控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2015年
3期
544-548
,共5页
王福斌%陈至坤%吴保林%王一%张新
王福斌%陳至坤%吳保林%王一%張新
왕복빈%진지곤%오보림%왕일%장신
钢坯定重%钢坯拉速%支持向量机%小生境粒子群%预报
鋼坯定重%鋼坯拉速%支持嚮量機%小生境粒子群%預報
강배정중%강배랍속%지지향량궤%소생경입자군%예보
Billet weight%billet casting speed%support vector machine%niche particle swarm%forecast
连铸钢坯定重切割,对提高棒材轧制成材率,降低钢坯原材料浪费及能耗具有重要意义.首先针对特定钢流,实验研究了影响钢坯重量的因素,确定了钢坯拉速这一关键影响参数.其次建立了钢坯重量的支持向量机(SVM)回归预测模型,以钢坯拉速作为特征输入量,对钢坯重量进行预测.最后,采用小生境粒子群优化(PSO)方法,优化SVM模型参数,得到PSO优化SVM参数的钢坯重量预测模型.并通过建立神经网络钢坯定重预报模型A及最小二乘钢坯定重预报模型,进行对比研究,研究结果表明,采用小生境粒子群优化后的SVM预报模型可显著提高钢坯定重预报精度.
連鑄鋼坯定重切割,對提高棒材軋製成材率,降低鋼坯原材料浪費及能耗具有重要意義.首先針對特定鋼流,實驗研究瞭影響鋼坯重量的因素,確定瞭鋼坯拉速這一關鍵影響參數.其次建立瞭鋼坯重量的支持嚮量機(SVM)迴歸預測模型,以鋼坯拉速作為特徵輸入量,對鋼坯重量進行預測.最後,採用小生境粒子群優化(PSO)方法,優化SVM模型參數,得到PSO優化SVM參數的鋼坯重量預測模型.併通過建立神經網絡鋼坯定重預報模型A及最小二乘鋼坯定重預報模型,進行對比研究,研究結果錶明,採用小生境粒子群優化後的SVM預報模型可顯著提高鋼坯定重預報精度.
련주강배정중절할,대제고봉재알제성재솔,강저강배원재료낭비급능모구유중요의의.수선침대특정강류,실험연구료영향강배중량적인소,학정료강배랍속저일관건영향삼수.기차건립료강배중량적지지향량궤(SVM)회귀예측모형,이강배랍속작위특정수입량,대강배중량진행예측.최후,채용소생경입자군우화(PSO)방법,우화SVM모형삼수,득도PSO우화SVM삼수적강배중량예측모형.병통과건립신경망락강배정중예보모형A급최소이승강배정중예보모형,진행대비연구,연구결과표명,채용소생경입자군우화후적SVM예보모형가현저제고강배정중예보정도.
