隨著社會(huì)的進(jìn)步,汽車(chē)、家電、電子產(chǎn)品等許多行業(yè)得到快速發(fā)展,同時(shí)也提高對(duì)工業(yè)軋制產(chǎn)品質(zhì)量的要求。在工業(yè)軋制過(guò)程中,帶鋼出口厚度是衡量軋制產(chǎn)品質(zhì)量的重要評(píng)價(jià)指標(biāo),但影響帶鋼出口厚度的精度存在很多因素,而且每個(gè)因素對(duì)帶鋼出口厚度影響不同。因此對(duì)帶鋼出口厚度精度的智能控制,是軋制工業(yè)亟待解決的首要問(wèn)題。目前鋼鐵軋制智能控制理論研究相對(duì)較少,隨著人工智能技術(shù)在各個(gè)領(lǐng)域智能化、精細(xì)化的發(fā)展取得顯著成就。軋制智能控制也成為人工智能研究的重要內(nèi)容。通過(guò)學(xué)習(xí)機(jī)器學(xué)習(xí)理論,本文提出一種改進(jìn)的極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)模型—混合蛙跳的反饋極限學(xué)習(xí)機(jī)（SFLA-FELM）,將其應(yīng)用于軋制控制中,設(shè)計(jì)并實(shí)現(xiàn)了改進(jìn)極限學(xué)習(xí)機(jī)的帶鋼厚度預(yù)測(cè)系統(tǒng),主要實(shí)現(xiàn)的功能:系統(tǒng)注冊(cè)登錄、系統(tǒng)信息管理、數(shù)據(jù)管理及預(yù)處理、帶鋼厚度預(yù)測(cè)模型構(gòu)建、帶鋼厚度預(yù)測(cè)。其中數(shù)據(jù)預(yù)處理和帶鋼厚度預(yù)測(cè)模型構(gòu)建是本文研究的重點(diǎn)。本系統(tǒng)使用的數(shù)據(jù)來(lái)源于國(guó)內(nèi)某鋼廠的熱連軋帶鋼實(shí)際生產(chǎn)過(guò)程,數(shù)據(jù)預(yù)處理中,首先利用互信息法計(jì)算帶鋼出口厚度與各影響因素的互信息值;然后選擇對(duì)帶鋼厚度影響較大的因素,完成特征提取,從而降低模型的復(fù)雜度,提高預(yù)測(cè)精度;最后歸一化帶鋼數(shù)據(jù)... 

【文章來(lái)源】：遼寧大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

某鋼廠熱連軋軋機(jī)圖

圖 2-2 某鋼廠熱連軋軋機(jī)生產(chǎn)線結(jié)構(gòu)圖本文主要對(duì)經(jīng)熱連軋軋制生產(chǎn)線精軋機(jī)組軋制后的板帶材軋制出口厚度進(jìn)研究，所用精軋機(jī)組含有九個(gè)平輥機(jī)架，在軋制過(guò)程中需要通過(guò)傳感器測(cè)量軋機(jī)組各機(jī)架對(duì)帶鋼出口厚度產(chǎn)生影響的參數(shù)，獲得的參數(shù)數(shù)據(jù)包括軋制力、輥速度、輥縫、輥縫差、電機(jī)電流、出入口溫度和板帶材質(zhì)等影響因素，并采集的數(shù)據(jù)以信號(hào)形式存在，將這些數(shù)據(jù)通過(guò)工業(yè)設(shè)備傳輸并保存以便實(shí)驗(yàn)使用。2 數(shù)據(jù)預(yù)處理相關(guān)技術(shù)在熱連軋軋制生產(chǎn)過(guò)程中，由于工藝流程復(fù)雜度較高，板帶材的質(zhì)量受很因素影響，如軋制力、軋輥出口溫度、軋制速度、軋機(jī)電流、輥縫、輥縫差、帶材質(zhì)等，而且每個(gè)影響因素對(duì)板帶材軋制出口厚度根據(jù)張力控制方法產(chǎn)生同的非線性作用。若將眾多影響數(shù)據(jù)參數(shù)直接作為帶鋼厚度預(yù)測(cè)模型的輸入

圖 2-3 極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)結(jié)構(gòu)圖學(xué)習(xí)機(jī)算法原理M 算法的主要思想法為機(jī)器學(xué)習(xí)理論中重要的神經(jīng)網(wǎng)絡(luò)算法，在各個(gè)領(lǐng)域流為：給定一個(gè)訓(xùn)練數(shù)據(jù)集 L {( x ( n) , t ( n) ), n 1,2,..., N}),..., ( ))T dd x n R，1( ) ( ( ),..., ( ))T mmt n t n t n R。則 ELM 算法示：1( ( ) ) ( ), 1,2,...,HTj j jj g x n b t n n N .4)也可以表示為如下形式：H T( ,..., , ,..., , (1),..., ( ))H b b x x N

【參考文獻(xiàn)】：
期刊論文
[1]基于在線序列優(yōu)化極限學(xué)習(xí)機(jī)的電子商務(wù)客戶(hù)流失量預(yù)測(cè)模型[J]. 楊力.  南京理工大學(xué)學(xué)報(bào). 2019(01)
[2]極限學(xué)習(xí)機(jī)前沿進(jìn)展與趨勢(shì)[J]. 徐睿,梁循,齊金山,李志宇,張樹(shù)森.  計(jì)算機(jī)學(xué)報(bào). 2019(07)
[3]混合蛙跳算法的最優(yōu)參數(shù)研究[J]. 孟凱露,尚俊娜,岳克強(qiáng).  計(jì)算機(jī)應(yīng)用研究. 2019(11)
[4]鋼鐵軋制技術(shù)的進(jìn)步與發(fā)展趨勢(shì)探索[J]. 林書(shū)振,張歡歡,馮文靜.  南方金屬. 2018(03)
[5]基于優(yōu)化數(shù)據(jù)處理的深度信念網(wǎng)絡(luò)模型的入侵檢測(cè)方法[J]. 陳虹,萬(wàn)廣雪,肖振久.  計(jì)算機(jī)應(yīng)用. 2017(06)
[6]冷軋帶鋼表面粗糙度影響因素及控制策略[J]. 徐冬,張杰,李洪波,范慶國(guó),盧勁松,董海龍.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[7]基于蛙跳算法優(yōu)化SVM的小功率LED壽命預(yù)測(cè)模型[J]. 崔克楠,張志鵬,朱彤,唐普英,劉爽.  半導(dǎo)體技術(shù). 2016(09)
[8]620mm熱連軋窄帶鋼生產(chǎn)線快節(jié)奏軋制的全線跟蹤[J]. 曹劍釗,彭文,龔殿堯,張殿華.  中國(guó)冶金. 2013(12)
[9]基于互信息的主成分分析特征選擇算法[J]. 范雪莉,馮海泓,原猛.  控制與決策. 2013(06)
[10]基于互信息的分步式輸入變量選擇多元序列預(yù)測(cè)研究[J]. 韓敏,劉曉欣.  自動(dòng)化學(xué)報(bào). 2012(06)

博士論文
[1]帶鋼厚度優(yōu)化控制與軋制過(guò)程健康狀態(tài)診斷方法研究[D]. 孫麗杰.大連理工大學(xué) 2018

碩士論文
[1]極限學(xué)習(xí)機(jī)隱含層節(jié)點(diǎn)選擇算法研究[D]. 徐志鑫.浙江大學(xué) 2017
[2]改進(jìn)極限學(xué)習(xí)機(jī)亞健康識(shí)別算法研究[D]. 徐翠.遼寧大學(xué) 2016
[3]基于PSO算法的RBF神經(jīng)網(wǎng)絡(luò)在板形板厚綜合控制中的應(yīng)用[D]. 紀(jì)陽(yáng).東華大學(xué) 2013
[4]中文文本分類(lèi)中互信息特征選擇方法研究[D]. 鄧彩鳳.西南大學(xué) 2011



本文編號(hào)：3479923