PCA降维技术在弯辊力预设定中的研究与应用
来源期刊:矿冶工程2020年第5期
论文作者:卜赫男 叶鹏飞 闫注文 韩子延
文章页码:104 - 108
关键词:冷连轧;带钢;板形;板形控制;弯辊力预设定;主成分分析;降维;模型;
摘 要:为了提高冷连轧带钢弯辊力预设定模型的计算效率,在原有基于GA-BP神经网络的弯辊力预设定模型基础上,引入主成分分析(PCA)数据降维技术,通过PCA将原有10个轧制参数变量转换为3个主成分变量,降维后的主成分变量包含了原始实测轧制参数93.55%的信息,实现了轧制参数特征的有效提取;将其作为神经网络的输入,建立PCA-GA-BP新形态弯辊力预设定模型,简化了模型结构。以某1 450 mm冷连轧生产线数据作为样本比较了2种模型的计算性能,结果表明,2种模型均具有较好的泛化能力,在保证带钢头部板形精度的基础上,PCA-GA-BP模型与原模型相比迭代次数减少86次,计算时间缩短73 ms,预报效率显著提高。
卜赫男1,叶鹏飞1,闫注文2,韩子延1
1. 江苏科技大学机械工程学院2. 南京工程学院智能装备产业技术研究院
摘 要:为了提高冷连轧带钢弯辊力预设定模型的计算效率,在原有基于GA-BP神经网络的弯辊力预设定模型基础上,引入主成分分析(PCA)数据降维技术,通过PCA将原有10个轧制参数变量转换为3个主成分变量,降维后的主成分变量包含了原始实测轧制参数93.55%的信息,实现了轧制参数特征的有效提取;将其作为神经网络的输入,建立PCA-GA-BP新形态弯辊力预设定模型,简化了模型结构。以某1 450 mm冷连轧生产线数据作为样本比较了2种模型的计算性能,结果表明,2种模型均具有较好的泛化能力,在保证带钢头部板形精度的基础上,PCA-GA-BP模型与原模型相比迭代次数减少86次,计算时间缩短73 ms,预报效率显著提高。
关键词:冷连轧;带钢;板形;板形控制;弯辊力预设定;主成分分析;降维;模型;