發(fā)布時間：2017-08-19 10:42

  本文關(guān)鍵詞：基于數(shù)據(jù)驅(qū)動的軋機振動預測研究

  更多相關(guān)文章： 軋機振動 數(shù)據(jù)挖掘 預測 BP神經(jīng)網(wǎng)絡(luò) 支持向量機

【摘要】：隨著現(xiàn)代工業(yè)的發(fā)展,各行業(yè)對板帶材的需求量不斷增加,同時也對板帶質(zhì)量提出了更高的要求,軋機振動不僅造成板帶厚度波動、軋輥和軋件表面振痕,而且限制了軋制速度,大大降低生產(chǎn)效率,振動劇烈時還容易造成堆鋼斷帶等運行事故,嚴重威脅軋機設(shè)備安全,已經(jīng)成為一個急需解決的鋼鐵行業(yè)難題。以往對軋機振動的研究主要集中在機理分析、控制預防和振動信號處理等方面,而對包含大量設(shè)備運行狀態(tài)信息的過程監(jiān)測數(shù)據(jù)(PDA數(shù)據(jù))關(guān)注較少。工業(yè)4.0時代,通過對工業(yè)數(shù)據(jù)的分析和挖掘,實現(xiàn)生產(chǎn)過程的智能化,是未來生產(chǎn)制造的發(fā)展方向。本文將數(shù)據(jù)挖掘技術(shù)應用于軋機振動的研究中,通過對軋機運行過程監(jiān)測數(shù)據(jù)(PDA數(shù)據(jù))進行分析和挖掘,實現(xiàn)基于數(shù)據(jù)驅(qū)動的軋機振動預測。首先根據(jù)軋機PDA數(shù)據(jù)非線性、強耦合的特點,對兩種應用較廣泛的數(shù)據(jù)挖掘算法:BP神經(jīng)網(wǎng)絡(luò)和支持向量機(SVM)進行深入的分析研究,針對BP神經(jīng)網(wǎng)絡(luò)泛化能力弱的缺點,引入AdaBoost算法,對BP神經(jīng)網(wǎng)絡(luò)進行集成,提高BP神經(jīng)網(wǎng)絡(luò)算法的預測精度,建立基于BP-AdaBoost強預測器軋機振動預測模型,針對支持向量機(SVM)算法中松弛系數(shù)和懲罰因子兩個關(guān)鍵參數(shù)選擇困難的特點,引入粒子群算法(PSO)對兩個參數(shù)進行優(yōu)化選擇,建立基于PSO-SVM算法的軋機振動預測模型。其次利用現(xiàn)場測試數(shù)據(jù)對兩種軋機振動預測模型進行驗證。結(jié)果表明:兩種算法都能夠?qū)崿F(xiàn)軋機振動預測,PSO-SVM算法預測精度明顯優(yōu)于BP-AdaBoost算法;同時利用PSO-SVM軋機振動預測模型定量分析了工藝參數(shù)變化對振動強度的影響,對影響較大的參數(shù)進行優(yōu)化,明顯降低了振動現(xiàn)象的發(fā)生。
【關(guān)鍵詞】：軋機振動 數(shù)據(jù)挖掘 預測 BP神經(jīng)網(wǎng)絡(luò) 支持向量機
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TG333
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-19
• 1.1 課題背景及意義10-11
• 1.2 軋機振動特性研究現(xiàn)狀11-14
• 1.2.1 軋機振動機理模型研究現(xiàn)狀11-13
• 1.2.2 軋機振動抑制研究現(xiàn)狀13-14
• 1.2.3 軋機振動信號分析研究現(xiàn)狀14
• 1.3 數(shù)據(jù)挖掘技術(shù)研究現(xiàn)狀14-17
• 1.4 數(shù)據(jù)挖掘在鋼鐵行業(yè)中的應用17-18
• 1.5 主要研究內(nèi)容18-19
• 第2章 遷鋼2160熱連軋機系統(tǒng)振動測試方案19-26
• 2.1 遷鋼2160熱連軋設(shè)備介紹19-20
• 2.2 振動測試目的20
• 2.3 傳動系統(tǒng)扭轉(zhuǎn)振動測試20-23
• 2.3.1 扭矩測試原理20-21
• 2.3.2 扭振測點布置21-22
• 2.3.3 扭矩信號的傳輸方法22-23
• 2.4 垂直及水平振動測試23-25
• 2.4.1 測試原理23-24
• 2.4.2 測點布置24-25
• 2.5 本章小結(jié)25-26
• 第3章 數(shù)據(jù)挖掘算法研究26-40
• 3.1 引言26
• 3.2 BP-AdaBoost算法26-32
• 3.2.1 BP神經(jīng)網(wǎng)絡(luò)26-29
• 3.2.2 AdaBoost算法29-30
• 3.2.3 BP-AdaBoost強預測器軋機振動預測模型30
• 3.2.4 BP-AdaBoost強預測器軋機振動預測算法30-32
• 3.3 PSO-SVM算法32-39
• 3.3.1 支持向量機32-36
• 3.3.2 粒子群優(yōu)化算法36-37
• 3.3.3 PSO-SVM軋機振動預測模型37-39
• 3.4 本章小結(jié)39-40
• 第4章 基于數(shù)據(jù)驅(qū)動的軋機振動預測分析40-58
• 4.1 數(shù)據(jù)提取及預處理40-43
• 4.1.1 參數(shù)的確定及提取40-42
• 4.1.2 數(shù)據(jù)預處理42-43
• 4.2 BP-AdaBoost振動預測模型結(jié)果分析43-45
• 4.3 PSO-SVM振動預測模型結(jié)果分析45-47
• 4.4 兩種振動預測模型的比較47-48
• 4.5 工藝參數(shù)對振動影響的定量分析48-57
• 4.5.1 軋制力對振動影響的定量分析48-49
• 4.5.2 軋制速度對振動影響的定量分析49-51
• 4.5.3 出入口張力對振動影響的定量分析51-53
• 4.5.4 軋件寬度對振動影響的定量分析53-54
• 4.5.5 加熱序號對振動影響的定量分析54-55
• 4.5.6 入口厚度對振動影響的定量分析55-56
• 4.5.7 壓下率對振動影響的定量分析56-57
• 4.6 關(guān)鍵參數(shù)優(yōu)化57
• 4.7 本章小結(jié)57-58
• 結(jié)論58-60
• 參考文獻60-64
• 致謝64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳修寬;董祥軍;石芙芙;;Web數(shù)據(jù)挖掘綜述[J];山東輕工業(yè)學院學報(自然科學版);2009年03期

2 黃會明;王紅星;;SQL Server 2005在數(shù)據(jù)挖掘中的應用[J];煤炭技術(shù);2011年06期

3 吳孝麗;周焱;;Microsoft SQL Server數(shù)據(jù)挖掘的高級研究[J];煤炭技術(shù);2011年07期

4 糜元根;數(shù)據(jù)挖掘方法的評述[J];南京化工大學學報(自然科學版);2001年05期

5 李小平,焦李成;數(shù)據(jù)挖掘中信息顆粒及其構(gòu)造[J];西安石油學院學報(自然科學版);2001年04期

6 秦忠寶,彭文利,何衛(wèi)平,陳偉東;網(wǎng)絡(luò)環(huán)境下數(shù)據(jù)挖掘若干問題的述評[J];西北輕工業(yè)學院學報;2002年02期

7 葉克江,陳廣宇;數(shù)據(jù)挖掘的實現(xiàn)方法及其應用[J];鄭州輕工業(yè)學院學報;2002年03期

8 高磊紅,駱舒心,仇記清,雷和穩(wěn),段惠敏;一類復雜工業(yè)生產(chǎn)過程中的數(shù)據(jù)挖掘[J];河北化工;2003年06期

9 喬淑云;數(shù)據(jù)挖掘[J];江蘇煤炭;2003年04期

10 譚立云,高學東,武森;數(shù)據(jù)挖掘方法與應用[J];華北科技學院學報;2004年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應用[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術(shù)年會（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計算機模擬與信息技術(shù)學術(shù)會議論文集[C];2011年

4 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應用[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學術(shù)年會論文集[C];2004年

5 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學技術(shù)情報學會學術(shù)年會論文集[C];2004年

6 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應用[A];中南六�。▍^(qū)）自動化學會第24屆學術(shù)年會會議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關(guān)系管理的應用[A];計算機技術(shù)與應用進展·2007——全國第18屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集[C];2007年

8 肖陽;李啟賢;;數(shù)據(jù)挖掘在中國鋼鐵行業(yè)中的應用[A];中國計量協(xié)會冶金分會2012年會暨能源計量與節(jié)能降耗經(jīng)驗交流會論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數(shù)據(jù)挖掘中的應用[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 謝中;邱玉輝;;面向商務(wù)網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2001年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報;2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點想像力[N];計算機世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學計算機科學與技術(shù)學院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險業(yè)的新藍海[N];網(wǎng)絡(luò)世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡(luò)數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點[N];中國電子報;2002年

7 本報記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領(lǐng)中國信息化新浪潮[N];中國電子報;2003年

8 本報記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國旅游報;2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭的基礎(chǔ)工程[N];解放軍報;2005年

10 本報記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時報;2002年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 于自強;海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學;2015年

2 張馨;全基因組SNP芯片應用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復旦大學;2011年

3 彭計紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學;2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復旦大學;2013年

5 鄔文帥;基于多目標決策的數(shù)據(jù)挖掘方法評估與應用[D];電子科技大學;2015年

6 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質(zhì)量管理方法研究[D];首都經(jīng)濟貿(mào)易大學;2010年

7 何偉全;云南高校學生意外傷害因素關(guān)聯(lián)規(guī)則挖掘及風險管控體系研究[D];昆明理工大學;2015年

8 段功豪;基于多結(jié)構(gòu)數(shù)據(jù)挖掘的滑坡災害預測模型研究[D];中國地質(zhì)大學;2016年

9 白曉明;基于數(shù)據(jù)挖掘的復合材料宏—細觀力學模型研究[D];哈爾濱工業(yè)大學;2016年

10 藍永豪（LAM Wing Ho）;基于數(shù)據(jù)挖掘技術(shù)分析當代中醫(yī)名家痤瘡驗方經(jīng)驗研究[D];南京中醫(yī)藥大學;2016年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 林仁紅;基于數(shù)據(jù)挖掘的機遇識別與評價研究[D];首都經(jīng)濟貿(mào)易大學;2007年

2 張彥俊;游戲運營中的數(shù)據(jù)挖掘[D];復旦大學;2011年

3 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應用平臺設(shè)計[D];江南大學;2015年

4 劉學建;數(shù)據(jù)挖掘在電子商務(wù)推薦系統(tǒng)中的應用研究[D];昆明理工大學;2015年

5 戴陽陽;基于數(shù)據(jù)挖掘的金融時間序列預測研究與應用[D];江南大學;2015年

6 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術(shù)師范學院;2015年

7 陳丹;移動互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營銷的設(shè)計與實現(xiàn)應用研究[D];華南理工大學;2015年

8 陳思;基于數(shù)據(jù)挖掘的大學生客戶識別模型的研究[D];昆明理工大學;2015年

9 位長帥;基于客戶數(shù)據(jù)挖掘的電信客戶關(guān)系管理研究[D];西南交通大學;2015年

10 安康;基于數(shù)據(jù)挖掘的商業(yè)銀行客戶關(guān)系管理研究[D];蘭州交通大學;2014年

，

本文編號：700285