本文關(guān)鍵詞：基于智能算法的軋制力預(yù)報(bào)及多目標(biāo)規(guī)程優(yōu)化

  更多相關(guān)文章： 鋁熱連軋 多目標(biāo)優(yōu)化 軋制力預(yù)報(bào) 軋制規(guī)程 支持向量機(jī)

【摘要】：在鋁熱連軋生產(chǎn)中,好的軋制規(guī)程能夠降低能耗,改善板帶質(zhì)量。本文以某鋁熱連軋精軋機(jī)組為研究對(duì)象,基于現(xiàn)場(chǎng)提取的軋制數(shù)據(jù),對(duì)該機(jī)組的軋制力預(yù)報(bào)及軋制規(guī)程優(yōu)化問(wèn)題進(jìn)行了仿真研究。在軋制過(guò)程的分析中,機(jī)理模型被廣泛應(yīng)用,本文深入研究了溫度、張力、軋制力等主要數(shù)學(xué)模型。近年來(lái),現(xiàn)場(chǎng)數(shù)據(jù)越來(lái)越容易獲得,機(jī)器學(xué)習(xí)技術(shù)日趨成熟,回歸計(jì)算方法成為當(dāng)前軋制力建模的主要方法。本文基于現(xiàn)場(chǎng)采集到的軋制數(shù)據(jù)對(duì)支持向量機(jī)模型進(jìn)行訓(xùn)練,在訓(xùn)練過(guò)程中選用改進(jìn)的果蠅算法(FOA)對(duì)最小二乘支持向量機(jī)(LSSVM)的懲罰參數(shù)和核函數(shù)參數(shù)進(jìn)行優(yōu)化。通過(guò)引入位置判別因子使果蠅算法具有了負(fù)半軸尋優(yōu)的能力,并加入了自適應(yīng)步長(zhǎng)策略和分組搜索策略,改善了算法的快速性和收斂性。該模型的軋制力預(yù)報(bào)精度良好,能夠滿(mǎn)足現(xiàn)場(chǎng)需要。軋制規(guī)程優(yōu)化中需考慮多個(gè)目標(biāo)函數(shù),為解決這一多目標(biāo)優(yōu)化問(wèn)題,本文提出用多目標(biāo)差分-分布估計(jì)算法進(jìn)行規(guī)程優(yōu)化。改進(jìn)了差分進(jìn)化算法的差向量和最優(yōu)粒子選取方法,設(shè)計(jì)了算法切換因子使之與分布估計(jì)算法進(jìn)行組合,該組合算法的收斂性和分布性相對(duì)原算法都有了明顯改善。用該算法對(duì)某鋁熱連軋精軋機(jī)組進(jìn)行規(guī)程優(yōu)化,仿真結(jié)果表明,該算法能夠獲得收斂性和分布性良好的近似Pareto前沿,充分考慮了各個(gè)目標(biāo)的折衷關(guān)系,為決策者提供了選擇便利。
【關(guān)鍵詞】：鋁熱連軋 多目標(biāo)優(yōu)化 軋制力預(yù)報(bào) 軋制規(guī)程 支持向量機(jī)
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TG335.13;TP18
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-13
• 1.1 課題研究背景9
• 1.2 軋制規(guī)程優(yōu)化研究現(xiàn)狀9-12
• 1.3 課題研究?jī)?nèi)容12-13
• 第2章 基本軋制參數(shù)和主要模型13-19
• 2.1 變形區(qū)工藝參數(shù)13-15
• 2.1.1 變形區(qū)介紹13-14
• 2.1.2 變形區(qū)前滑模型及后滑模型14-15
• 2.2 溫度模型15
• 2.3 張力模型15-16
• 2.4 傳統(tǒng)軋制力模型16-17
• 2.5 軋制力矩及功率模型17-18
• 2.6 本章小結(jié)18-19
• 第3章 基于FOA-LSSVM的軋制力預(yù)報(bào)19-35
• 3.1 果蠅優(yōu)化算法19-23
• 3.1.1 基本果蠅優(yōu)化算法19-20
• 3.1.2 改進(jìn)的果蠅優(yōu)化算法20-22
• 3.1.3 算法測(cè)試22-23
• 3.2 支持向量機(jī)理論23-27
• 3.2.1 統(tǒng)計(jì)學(xué)習(xí)理論23
• 3.2.2 支持向量機(jī)23-26
• 3.2.3 最小二乘支持向量機(jī)26-27
• 3.3 基于FOA-LSSVM的軋制力預(yù)報(bào)27-34
• 3.3.1 軋制力預(yù)報(bào)模型建立28-30
• 3.3.2 仿真測(cè)試30-34
• 3.4 本章小結(jié)34-35
• 第4章 鋁熱連軋軋制規(guī)程多目標(biāo)優(yōu)化35-55
• 4.1 軋制規(guī)程優(yōu)化問(wèn)題35-41
• 4.1.1 設(shè)備參數(shù)及規(guī)程優(yōu)化問(wèn)題描述35-37
• 4.1.2 規(guī)程優(yōu)化目標(biāo)函數(shù)及約束條件37-41
• 4.2 多目標(biāo)優(yōu)化算法41-46
• 4.2.1 基本理論與求解方法41-43
• 4.2.2 性能指標(biāo)與測(cè)試函數(shù)43-46
• 4.3 多目標(biāo)差分-分布估計(jì)算法46-50
• 4.3.1 分布估計(jì)算法46-47
• 4.3.2 改進(jìn)差分進(jìn)化算法47-48
• 4.3.3 多目標(biāo)差分-分布估計(jì)算法48-50
• 4.4 軋制規(guī)程優(yōu)化仿真50-53
• 4.5 本章小結(jié)53-55
• 結(jié)論55-57
• 參考文獻(xiàn)57-61
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果61-62
• 致謝62

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 鄒永平;;改進(jìn)的Fp-Growth數(shù)據(jù)關(guān)聯(lián)挖掘算法研究[J];河北能源職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年01期

2 王洪香;;VBLAST系統(tǒng)檢測(cè)算法改進(jìn)[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年04期

3 陰愛(ài)英;;基于線(xiàn)程并行計(jì)算的Apriori算法[J];西安科技大學(xué)學(xué)報(bào);2014年01期

4 夏克文;董瑤;杜紅斌;;基于改進(jìn)PSO算法的LS-SVM油層識(shí)別模型[J];控制與決策;2007年12期

5 付偉忠;張運(yùn)陶;;改進(jìn)的MC_GEP算法與嘌呤骨架類(lèi)Hsp90抗癌活性的定量結(jié)構(gòu)活性關(guān)系研究[J];計(jì)算機(jī)與應(yīng)用化學(xué);2010年05期

6 劉傳玉;王兆青;;一種自適應(yīng)免疫記憶多克隆進(jìn)化算法[J];浙江理工大學(xué)學(xué)報(bào);2009年01期

7 姬文燕;史長(zhǎng)瓊;鄒杰;;基于蟻群的區(qū)域簇頭選擇路由算法[J];長(zhǎng)沙理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

8 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會(huì)——2004年學(xué)術(shù)年會(huì)論文集[C];2004年

2 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會(huì)2004年學(xué)術(shù)年會(huì)論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進(jìn)的Apriori算法的研究[A];廣西計(jì)算機(jī)學(xué)會(huì)2012年學(xué)術(shù)年會(huì)論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實(shí)現(xiàn)[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

5 趙唯;;晶粒度評(píng)級(jí)的改進(jìn)算法[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

6 劉啟文;;可擴(kuò)展的圖形學(xué)算法演示系統(tǒng)的研究[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進(jìn)算法[A];廣西計(jì)算機(jī)學(xué)會(huì)25周年紀(jì)念會(huì)暨2011年學(xué)術(shù)年會(huì)論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計(jì)算機(jī)學(xué)會(huì)2009年年會(huì)論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類(lèi)算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 鐘永騰;基于近場(chǎng)MUSIC算法的復(fù)合材料結(jié)構(gòu)健康監(jiān)測(cè)研究[D];南京航空航天大學(xué);2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線(xiàn)綜合中的應(yīng)用[D];西安電子科技大學(xué);2015年

3 苗義烽;突發(fā)事件下的列車(chē)運(yùn)行調(diào)度模型與算法研究[D];中國(guó)鐵道科學(xué)研究院;2015年

4 楊玉婷;頭腦風(fēng)暴優(yōu)化算法與基于視頻的非接觸式運(yùn)動(dòng)定量分析方法研究[D];浙江大學(xué);2015年

5 單美靜;求解非線(xiàn)性實(shí)代數(shù)系統(tǒng)的混合算法研究[D];華東師范大學(xué);2008年

6 邱劍鋒;人工蜂群算法的改進(jìn)方法與收斂性理論的研究[D];安徽大學(xué);2014年

7 潘磊;若干社區(qū)發(fā)現(xiàn)算法研究[D];南京大學(xué);2014年

8 陳俊波;頻繁閉合項(xiàng)集挖掘算法及應(yīng)用研究[D];浙江大學(xué);2009年

9 陸楠;關(guān)聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學(xué);2007年

10 范洪博;快速精確字符串匹配算法研究[D];哈爾濱工程大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 安世勇;命題邏輯中隨機(jī)3-SAT問(wèn)題算法研究[D];西南交通大學(xué);2015年

2 畢曉慶;油氣探礦權(quán)競(jìng)爭(zhēng)性出讓系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

3 王明明;鐵路大機(jī)與線(xiàn)路固定設(shè)施間距檢測(cè)算法研究[D];西南交通大學(xué);2015年

4 李靜;基于視頻圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D];寧夏大學(xué);2015年

5 劉貝玲;基于天地圖的租房平臺(tái)開(kāi)發(fā)及其關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學(xué);2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災(zāi)應(yīng)急疏散最優(yōu)路徑研究[D];西南交通大學(xué);2015年

8 張路奇;基于改進(jìn)蟻群算法的WSN路由協(xié)議的研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進(jìn)[D];長(zhǎng)安大學(xué);2015年

10 信琴琴;手勢(shì)控制和識(shí)別算法研究[D];閩南師范大學(xué);2015年

，

本文編號(hào)：848876