【摘要】：針對連鑄漏鋼預報神經(jīng)網(wǎng)絡模型在小樣本訓練數(shù)據(jù)情況下難以獲得較高預報準確率的問題,提出了一種基于模擬退火-粒子群(SA-PSO)算法優(yōu)化支持向量機(SVM)參數(shù)的連鑄漏鋼預報算法。將粒子群優(yōu)化算法引入支持向量機的訓練過程中,利用其調(diào)整參數(shù)少、尋優(yōu)速度快的優(yōu)點,有效地提高了漏鋼預報模型的尋優(yōu)速度;利用模擬退火算法對粒子群算法迭代更新后粒子的新位置加以評價,來決定新位置是否被接受,避免了粒子群算法在迭代尋優(yōu)過程中陷入局部極值的問題。結合某鋼廠連鑄現(xiàn)場歷史數(shù)據(jù)對提出的連鑄漏鋼預報算法進行了測試,測試結果表明,所提算法的連鑄漏鋼預報準確率可達98.8%。
[Abstract]:In order to solve the problem that the neural network model of continuous casting breakout prediction is difficult to obtain high prediction accuracy under the condition of small sample training data, A continuous casting breakout prediction algorithm based on simulated annealing particle swarm optimization (SA-PSO) algorithm is proposed to optimize the (SVM) parameters of support vector machine (SVM). In the training process of support vector machine, particle swarm optimization algorithm is introduced into the training process of support vector machine, and the optimization speed of breakout prediction model is effectively improved by using the advantages of less adjustment parameters and fast optimization speed. The simulated annealing algorithm is used to evaluate the new position of particles after iterative updating of particle swarm optimization algorithm to determine whether the new position is accepted or not, which avoids the problem that particle swarm optimization algorithm falls into local extremum in the process of iterative optimization. Based on the historical data of continuous casting site in a steel plant, the proposed prediction algorithm of continuous casting breakout is tested. the test results show that the accuracy of the proposed algorithm can reach 98.8%.
【作者單位】： 燕山大學工業(yè)計算機控制工程河北省重點實驗室;國家冷軋板帶裝備及工藝工程技術研究中心;中船航海科技有限責任公司;
【基金】：國家自然科學基金委員會與寶鋼集團有限公司聯(lián)合資助項目(U1260203) 國家自然科學基金資助項目(61403332) 河北省高等學�？茖W技術研究青年基金資助項目(QN2016122) 河北省高等學校創(chuàng)新團隊領軍人才培育計劃資助項目(LJRC013)
【分類號】：TF777;TP18

【共引文獻】

相關期刊論文 前10條

1 張剛;王曉毅;王飛;史新紅;王冀寧;趙卓茂;;火工式爆炸沖擊模擬試驗響應譜型控制方法研究[J];強度與環(huán)境;2017年03期

2 晏廷飛;沈志強;張俊剛;;一種氣動式?jīng)_擊響應譜試驗系統(tǒng)的設計與分析[J];航天器環(huán)境工程;2017年03期

3 王朋朋;高博;艾永強;牛寶華;;基于沖擊響應分析的星載可展天線解鎖策略優(yōu)化[J];振動與沖擊;2017年10期

4 孫猛;徐鵬;沈大偉;王麗利;;基于模態(tài)分析和經(jīng)驗模態(tài)分解的彈體加速度處理[J];探測與控制學報;2017年02期

5 高慶;陳新民;趙永輝;;線式分離結構高應力釋放對高頻沖擊環(huán)境的影響分析[J];振動與沖擊;2016年21期

6 朱江濤;徐鵬;蔡宣明;;高g值沖擊下階梯形金屬殼緩沖吸能特性研究[J];兵器材料科學與工程;2016年06期

7 鄢青青;閆澤紅;檀傈錳;濮海玲;李軒;;太陽翼電爆釋放沖擊載荷的仿真分析和試驗驗證[J];航天器工程;2016年04期

8 郭迅;郭強嶺;;空空導彈爆炸分離沖擊試驗分析[J];裝備環(huán)境工程;2016年04期

9 關詠梅;;爆炸分離沖擊環(huán)境測量中濾波頻率影響研究[J];強度與環(huán)境;2016年03期

10 吳鴻超;梁增友;馮陽;陳智剛;鄧德志;;薄壁金屬管在中高速沖擊下的緩沖特性研究[J];應用力學學報;2016年02期

【二級參考文獻】

相關期刊論文 前10條

1 皮本樓;張建華;;響應板式爆炸沖擊模擬裝置試驗仿真分析[J];強度與環(huán)境;2009年03期

2 徐鵬;祖靜;范錦彪;;高速動能彈侵徹硬目標加速度測試技術研究[J];振動與沖擊;2007年11期

3 翁雪濤,黃映云,朱石堅,汪玉;利用氣體炮技術測定隔振器沖擊特性[J];振動與沖擊;2005年01期

4 梁志國,李新良,孫t熡，

本文編號：2482557