全部
▼
熱搜：
1170
0 
基于改進QGA-WNN集成學習的冷連軋軋制力預測
袁昕1*，卜赫男1，閆注文2
1江蘇科技大學?機械工程學院，丹徒區長暉路666號，鎮江，212100
2南京工程學院?智能裝備產業技術研究院，江寧科學園弘景大道1號，南京，211167
*Email: 2322458460@qq.com
?
摘要：軋制力是實現冷連軋計算機控制的重要數學模型，其計算精度直接影響輥縫的設定精度，進而影響帶鋼的厚度精度。為了進一步提高冷連軋過程控制系統中軋制力的預測精度，本文提出以改進量子遺傳算法（QGA）優化的小波神經網絡（WNN）作為基學習器，并采用bagging算法作為頂層模型的集成學習預測方法。以某1450mm冷連軋生產線為對象，對提出的軋制力預測模型進行測試，比較了該模型與未經優化的小波神經網絡和單個學習器的預測效果?，F場數據分析表明，本文提出的模型可以有效減小計算軋制力與實測軋制力的偏差，模型計算精度更高，收斂性能更好，顯著提高WNN集成的泛化能力。
關鍵詞：冷連軋；軋制力預測；量子遺傳算法；小波神經網絡；集成學習
分享 0
舉報 0
收藏 0
反對 0
點贊 0
中冶有色技術平臺
換一批
云南 - 昆明
2024年01月18日 ~ 20日
