基于混合核PSO-LSSVM的轧制力预测.pdfVIP

第40卷 第2期 冶 金 自 动 化 Vo1．40No．2，p15—19，24 2016年3月 MetallurgicalIndustryAutomation March2O16 控制理论应 用 doi：10．3969／j．issn．1000—7059．2016．02．004 基于混合核 PSO·LSSVM 的轧制力预测 刘承宝 ，刘新忠 ，苗 宇。 (1．冶金 自动化研究设计院，北京 100071；2．北京金 自天正智能控制股份有限公司轧钢传动事业部， 北京 100070；3．北京交通大学电子信息工程学院，北京 100044) 摘要：为了提高板带热连轧轧制力预测精度，建立了利用粒子群优化的混合核最小二乘支持向量机(PSO— LSSVM)的预测模型，并将最小二乘支持向量机模型与传统数学模型进行组合 ，得到组合模型，以进一步提高 预测精度。通过采集现场数据 ，对模型进行训练并离线仿真。结果表明，PSO—LSSVM有更强的学习能力和泛 化能力 ，预测精度得到很大提高，该方法在实际应用中具有很大潜力。 关键词：热连轧 ；轧制力预测；粒子群优化；最JJ~Z．乘支持向量机；混合核函数 文献标志码：A 文章编号：1000-7059(2016)02-0015-05 RollingforcepredictionbasedonPSO optimizedleastsquare supportvectormachinewithmixedkernelfunction LIU Cheng．bao ，LIU Xin．zhong ，MIAOYu。 (1．AutomationResearchandDesignInstituteofMetallurgicalIndustry，Beijing10007l，China； 2．StellRollingDrivingDept．，BeijingAritimeIntelligentControlCo．，Ltd．，Beijing100070，China； 3．SchoolofElectroniealandCommunicationEngineering，BeijingJiaotongUniversity，Beijing100044，China) Abstract：Thepaperestablishesapredictionmodel，whichusesparticleswarm optimizationoptimized leastsquaresupportvectormachine(PSO—LSSVM)withmixedkernelfunction，toimproveprecision ofrolling forceprediction in hotstrip rolling，and then a combined modelwhich combined least squaresuppo~vectormachineandtraditionmathematicalmodelmathematicalmodelisbuilttofur— therimprovethepredictionaccuracy．Bycollectingfielddata，themodelistrained andanoff-line simulationisperformed．TheresultshowsthatPSO—LSSVM possessesstrongerlearningabilityand generalizationability．theprecisionofpredictionisgreatlyimproved，andthemethodhasastrongap。 plicationpotentia1． Keywords：hotstriprolling；rollingforceprediction；partic