-
题名基于CPA-OSELM的热轧带钢厚度在线预测
- 1
-
-
作者
肖思竹
张飞
黄学忠
肖雄
易忠荣
-
机构
北京科技大学高效轧制及智能制造国家工程研究中心
广西北港新材料有限公司技术研究院
广西柳州钢铁集团公司热轧板带厂
-
出处
《科学技术与工程》
北大核心
2022年第22期9686-9694,共9页
-
基金
广西重点研发计划(桂科AB21196025)
北海市科技计划(BHSK2019017)。
-
文摘
为解决自动厚度控制(automatic gauge control, AGC)系统反馈滞后、耦合强、厚度偏差大等问题,提出了一种基于食肉植物算法(carnivorous plant algorithm, CPA)的在线顺序极限学习机(online sequential extreme learning machine, OSELM)预测算法。首先,基于从现场采集的相关数据,建立了OSELM在线厚度预测模型。然后为了提高模型的准确性及稳定性,采用CPA方法优化OSELM的权重和偏置。在此基础上,运用自学习方法进一步提高模型的预测精度。最后,通过实验验证基于CPA-OSELM预测模型的有效性。实验结果表明:基于CPA-OSELM的方法能够对不同规格带钢的出口厚度进行高精度在线预测,预测结果可用于提升AGC模型的控制精度,为提升带钢产品质量奠定基础。
-
关键词
热轧带钢
在线预测
在线顺序极限学习机(online
sequential
extreme
learning
machine
OSELM)
食肉植物算法(carnivorous
plant
algorithm
CPA)
自学习
-
Keywords
hot-rolled steel strip
online prediction
online sequential extreme learning machine(OSELM)
carnivorous plant algorithm(CPA)
self-learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
