發(fā)布時間：2024-03-26 18:58

　　為了有效控制鋼廠中連鑄二次冷卻水量,減少生產(chǎn)成本,提高鑄坯質(zhì)量,提出一種基于結合交叉變異的粒子群算法優(yōu)化最小二乘支持向量機參數(shù)的連鑄二次冷卻水量預測方法。首先利用提出的一種交叉變異機制對標準粒子群算法進行優(yōu)化,并將優(yōu)化后的參數(shù)引入最小二乘支持向量機的預測模型中,帶入生產(chǎn)中的水量歷史數(shù)據(jù)作為輸入樣本集進行學習,使模型在訓練過程中有效地提高了準確性,其輸出的訓練結果描述了水量的變化。仿真結果表明,上述模型具有很好的穩(wěn)定性和泛化性,能夠獲得高精度的二冷預測水量,為實際生產(chǎn)中連鑄二冷配水的優(yōu)化提供參考。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖3模型預測水量走勢圖

以唐山某鋼廠的連鑄二冷配水過程為對象進行仿真,其設備參數(shù)為:生產(chǎn)鋼種SPHC,斷面尺寸為150mm×1500mm,拉速為1.9m/min,由鑄機設定的第二次冷卻區(qū)的總長度為2210cm,共包括7個冷卻區(qū)段。采用本文所提出的CV-PSO-LSSVM模型對生產(chǎn)中配給水量進行預測優(yōu)化....

圖4鑄坯表面溫度分布

表3優(yōu)化前后水量對比(L/min)二次冷卻區(qū)Ⅰ段Ⅱ段Ⅲ段Ⅳ段Ⅴ段Ⅵ段Ⅶ段總量優(yōu)化前8607826684836404243504207優(yōu)化后83273163346956839727939095結束語

圖1參數(shù)的編碼方式

本文把LSSVM的參數(shù)(γ,g)當作一個組合規(guī)劃問題。懲罰系數(shù)γ和核函數(shù)參數(shù)g直接決定了LSSVM的二冷水量擬合效果,γ值越大,擬合精度就越高,而二冷水量預測結果的泛化能力就高。同時,g值越小,二冷水量預測的擬合效果越低,精度就越低,但如果g數(shù)值太大,二冷水量就會出現(xiàn)欠學缺陷,計....

圖2預測模型過程圖

Step7,輸入數(shù)據(jù)集對LSSVM進行學習和測試,最終通過得到的訓練模型輸出二冷水量預測結果。4實驗結果與分析

本文編號：3939535