本文關(guān)鍵詞：基于最小二乘支持向量機(jī)的軋制力預(yù)測，由筆耕文化傳播整理發(fā)布。

【摘要】：板帶軋鋼生產(chǎn)過程中,軋制力的準(zhǔn)確預(yù)測直接影響著帶鋼的形狀精度、尺寸精度等產(chǎn)品質(zhì)量。軋機(jī)的壓下量主要依靠軋制力的大小進(jìn)行合理分配,所以精軋軋制力模型的預(yù)測精度很大程度上決定了帶鋼頭部的精度,以及如何精確地設(shè)定輥縫,并對穿帶穩(wěn)定性有著直接的影響。計(jì)算軋制力的傳統(tǒng)數(shù)學(xué)模型(TMM)結(jié)構(gòu)簡單,精度較低,即使采用模型自學(xué)習(xí)技術(shù),受本身模型結(jié)構(gòu)的限定,也難以得到足夠精確的近似值。因此,需要不斷進(jìn)行探索,建立新的軋制力預(yù)測模型,以便進(jìn)一步提高軋制力預(yù)測精度。本文建立了最小二乘支持向量機(jī)(LSSVM)軋制力預(yù)測模型,采用徑向基(RBF)核和多項(xiàng)式核線性組合而成的混合核函數(shù),以使該模型具有更強(qiáng)的泛化能力,并利用粒子群優(yōu)化算法得到最優(yōu)模型參數(shù)。為了進(jìn)一步提高預(yù)測精度,便于LSSVM軋制力模型的在線應(yīng)用,將LSSVM軋制力模型與TMM軋制力模型進(jìn)行組合,得到組合模型。通過特征選擇與提取,采集現(xiàn)場數(shù)據(jù),建立Oracle模型訓(xùn)練數(shù)據(jù)庫,利用Matlab2012編寫程序,對傳統(tǒng)數(shù)學(xué)模型、BP神經(jīng)網(wǎng)絡(luò)模型(BPNN)、最小二乘支持向量機(jī)模型和組合模型四種軋制力預(yù)測模型進(jìn)行了仿真研究。最終,將建立的軋制力預(yù)測模型嵌入到軋鋼二級系統(tǒng)平臺,利用VC2010編寫程序,實(shí)現(xiàn)軋制力在線預(yù)測系統(tǒng)和離線模型訓(xùn)練工具,以進(jìn)行在線應(yīng)用。實(shí)驗(yàn)表明,BPNN模型優(yōu)于TMM模型,但BPNN模型提高預(yù)測精度,同時(shí)也會增加模型VC維,模型復(fù)雜性增加,從而降低了模型的泛化能力。LSSVM模型優(yōu)于BPNN和TMM模型,而組合模型均優(yōu)于三種單一模型,對模型預(yù)測精度有很大的提高。LSSVM具有很強(qiáng)的學(xué)習(xí)能力和泛化能力,很大程度上提高了軋制力預(yù)測精度,在實(shí)際應(yīng)用中有很大的潛力。
【關(guān)鍵詞】：制力預(yù)測 最小二乘支持向量機(jī) 粒子群優(yōu)化算法 混合核函數(shù)
【學(xué)位授予單位】：冶金自動化研究設(shè)計(jì)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TG335.5;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 課題背景及意義9
• 1.2 軋制力模型的發(fā)展9-10
• 1.3 人工智能在軋制力預(yù)測中的研究現(xiàn)狀10-13
• 1.3.1 神經(jīng)網(wǎng)絡(luò)軋制力預(yù)測現(xiàn)狀11
• 1.3.2 支持向量機(jī)軋制力預(yù)測現(xiàn)狀11-12
• 1.3.3 支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)對比12-13
• 1.4 本文主要研究內(nèi)容13-15
• 第2章 支持向量機(jī)15-25
• 2.1 機(jī)器學(xué)習(xí)15-17
• 2.1.1 機(jī)器學(xué)習(xí)問題表示15-16
• 2.1.2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化16-17
• 2.2 統(tǒng)計(jì)學(xué)習(xí)理論17-19
• 2.2.1 學(xué)習(xí)過程的一致性條件17-18
• 2.2.2 VC維理論18
• 2.2.3 推廣性的界18-19
• 2.2.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化19
• 2.3 最小二乘支持向量機(jī)19-21
• 2.4 核技巧21-24
• 2.4.1 非線性分類問題21-23
• 2.4.2 核函數(shù)23-24
• 2.5 本章小結(jié)24-25
• 第3章 軋制力預(yù)測模型25-37
• 3.1 傳統(tǒng)軋制力模型25-31
• 3.1.1 軋制力數(shù)學(xué)模型25-28
• 3.1.2 模型自學(xué)習(xí)28-31
• 3.2 PSO-LSSVM軋制力模型31-33
• 3.2.1 粒子群優(yōu)化算法31-32
• 3.2.2 混合核PSO-LSSVM軋制力模型32-33
• 3.3 組合模型33-35
• 3.4 本章小結(jié)35-37
• 第4章 軋制力預(yù)測的離線仿真研究37-57
• 4.1 數(shù)據(jù)采集37-43
• 4.1.1 特征選擇與提取37-38
• 4.1.2 數(shù)據(jù)處理38-43
• 4.2 BP神經(jīng)網(wǎng)絡(luò)軋制力模型仿真分析43-50
• 4.2.1 BP神經(jīng)網(wǎng)絡(luò)43-45
• 4.2.2 BP神經(jīng)網(wǎng)絡(luò)軋制力模型45-50
• 4.3 LSSVM軋制力模型仿真分析50-54
• 4.3.1 交叉驗(yàn)證法50-51
• 4.3.2 LSSVM軋制力模型51-54
• 4.4 組合模型仿真分析54-56
• 4.5 本章小結(jié)56-57
• 第5章 軋制力預(yù)測的在線應(yīng)用研究57-65
• 5.1 軋鋼二級UDP系統(tǒng)平臺57-59
• 5.2 軋制力預(yù)測模型系統(tǒng)平臺59-64
• 5.3 本章小結(jié)64-65
• 第6章 總結(jié)與展望65-67
• 參考文獻(xiàn)67-71
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文71-73
• 致謝73-74

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 白金蘭;王軍生;王國棟;劉相華;;提高冷軋過程控制軋制力模型的設(shè)定精度[J];鋼鐵研究學(xué)報(bào);2006年03期

2 王勇勤;劉志芳;嚴(yán)興春;吳沙;;基于接觸有限元的軋制力動態(tài)模擬[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年01期

3 程秀英;利用軋鋼實(shí)測數(shù)據(jù)修正軋制力模型系數(shù)[J];甘肅冶金;2005年03期

4 楊福亮;李玉貴;范飛;;薄板軋制力的研究與模擬分析[J];中國重型裝備;2011年03期

5 王鑫;王璐;;多元回歸分析在建立軋制力模型中的應(yīng)用[J];硅谷;2012年02期

6 張?jiān)葡?蔡丹,趙嘉蓉,魏鋼城;熱連軋軋制力計(jì)算精度模擬軟件的開發(fā)[J];武漢科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年03期

7 趙昆,何曉明,吳景暉,王昭東,劉相華,王國棟;鐵素體熱軋軋制力模型的改進(jìn)[J];軋鋼;2000年02期

8 梁勛國;王業(yè)科;李軻;謝二虎;趙吉成;;基于離散單元方法的冷軋軋制力計(jì)算[J];塑性工程學(xué)報(bào);2011年05期

9 付力業(yè);李宏杰;黃慶學(xué);;基于神經(jīng)網(wǎng)絡(luò)與線性回歸的軋制力預(yù)報(bào)[J];太原科技大學(xué)學(xué)報(bào);2013年03期

10 郭占武;趙曉偉;;提高軋制力模型預(yù)報(bào)精度的研究與應(yīng)用[J];科技信息;2013年21期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 瞿曉;;銅板帶冷軋軋制力預(yù)測的研究[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

2 陳丹;何緒鈴;高雷;郭立偉;李書昌;;模型參數(shù)調(diào)整對軋制力精度影響分析[A];2012年全國軋鋼生產(chǎn)技術(shù)會論文集（下）[C];2012年

3 鄒天來;王秀梅;張曉峰;王國棟;劉相華;;基于神經(jīng)網(wǎng)絡(luò)的軋制力模型參數(shù)辨識[A];第八屆全國塑性加工理論與新技術(shù)學(xué)術(shù)會議論文集[C];1999年

4 韓慶;周石光;;基于神經(jīng)網(wǎng)絡(luò)的軋制力預(yù)報(bào)系統(tǒng)開發(fā)[A];全國冶金自動化信息網(wǎng)2009年會論文集[C];2009年

5 潘禮清;羌菊興;;使用簡易有限元法的冷軋軋制力模型設(shè)計(jì)[A];全國冶金自動化信息網(wǎng)2013年會論文集[C];2013年

6 吳文彬;王俊飛;郝培鋒;;2030冷連軋第5架軋制力計(jì)算方法研究[A];工業(yè)自動化應(yīng)用實(shí)踐——全國（第五屆）煉鋼、連鑄和軋鋼自動化學(xué)術(shù)會議論文集[C];2002年

7 何曉明;張丕軍;王昭東;劉相華;王國棟;;超低碳鋼鐵素體區(qū)熱變形行為研究與軋制力模型的改進(jìn)[A];2001中國鋼鐵年會論文集（下卷）[C];2001年

8 王彥輝;郭立偉;高雷;陳丹;;20輥森基米爾軋機(jī)軋制力模型研究[A];中國計(jì)量協(xié)會冶金分會2012年會暨能源計(jì)量與節(jié)能降耗經(jīng)驗(yàn)交流會論文集[C];2012年

9 白振華;連家創(chuàng);;半平面理論在平整軋制力模型中的應(yīng)用[A];制造業(yè)與未來中國——2002年中國機(jī)械工程學(xué)會年會論文集[C];2002年

10 吳鎧;;提高中厚板軋制力預(yù)報(bào)精度的方法[A];2012年全國軋鋼生產(chǎn)技術(shù)會論文集（下）[C];2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 閆曉瑩;基于改進(jìn)粒子群優(yōu)化的軋制力反建模型及自學(xué)習(xí)[D];燕山大學(xué);2015年

2 劉承寶;基于最小二乘支持向量機(jī)的軋制力預(yù)測[D];冶金自動化研究設(shè)計(jì)院;2016年

3 梁興;基于時(shí)間序列分析算法的軋制力預(yù)測研究[D];燕山大學(xué);2011年

4 封驥;銅鋁復(fù)合板軋制力的研究[D];沈陽工業(yè)大學(xué);2016年

5 孫曉娜;基于神經(jīng)網(wǎng)絡(luò)的軋制力模型研究與應(yīng)用[D];燕山大學(xué);2009年

6 陳婕;5052鋁合金熱粗軋建模與軋制力預(yù)測研究[D];湖南大學(xué);2009年

7 王桂霞;熱軋帶鋼平整機(jī)軋制力與板形控制的研究[D];河北工程大學(xué);2015年

8 劉志華;冷連軋動態(tài)變規(guī)格原理及軋制力預(yù)設(shè)定的研究[D];東北大學(xué);2005年

9 付力業(yè);基于神經(jīng)網(wǎng)絡(luò)的中厚板軋制力預(yù)報(bào)[D];太原科技大學(xué);2013年

10 李小虎;冷連軋機(jī)軋制力預(yù)報(bào)模型分析與優(yōu)化研究[D];武漢科技大學(xué);2013年

  本文關(guān)鍵詞：基于最小二乘支持向量機(jī)的軋制力預(yù)測，，由筆耕文化傳播整理發(fā)布。

本文編號：457361