小生境粒子群优化的SVM钢坯定重预报
来源期刊:控制工程2015年第3期
论文作者:王福斌 陈至坤 吴保林 王一 张新
文章页码:544 - 548
关键词:钢坯定重;钢坯拉速;支持向量机;小生境粒子群;预报;
摘 要:连铸钢坯定重切割,对提高棒材轧制成材率,降低钢坯原材料浪费及能耗具有重要意义。首先针对特定钢流,实验研究了影响钢坯重量的因素,确定了钢坯拉速这一关键影响参数。其次建立了钢坯重量的支持向量机(SVM)回归预测模型,以钢坯拉速作为特征输入量,对钢坯重量进行预测。最后,采用小生境粒子群优化(PSO)方法,优化SVM模型参数,得到PSO优化SVM参数的钢坯重量预测模型。并通过建立神经网络钢坯定重预报模型A及最小二乘钢坯定重预报模型,进行对比研究,研究结果表明,采用小生境粒子群优化后的SVM预报模型可显著提高钢坯定重预报精度。
王福斌1,2,陈至坤1,吴保林2,王一1,张新1
1. 河北联合大学电气工程学院2. 中国科学院自动化研究所精密感知与控制中心
摘 要:连铸钢坯定重切割,对提高棒材轧制成材率,降低钢坯原材料浪费及能耗具有重要意义。首先针对特定钢流,实验研究了影响钢坯重量的因素,确定了钢坯拉速这一关键影响参数。其次建立了钢坯重量的支持向量机(SVM)回归预测模型,以钢坯拉速作为特征输入量,对钢坯重量进行预测。最后,采用小生境粒子群优化(PSO)方法,优化SVM模型参数,得到PSO优化SVM参数的钢坯重量预测模型。并通过建立神经网络钢坯定重预报模型A及最小二乘钢坯定重预报模型,进行对比研究,研究结果表明,采用小生境粒子群优化后的SVM预报模型可显著提高钢坯定重预报精度。
关键词:钢坯定重;钢坯拉速;支持向量机;小生境粒子群;预报;