資源描述:
《基于SVM進行軋制力預(yù)測的冷連軋機軋制規(guī)程優(yōu)化》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、東北大學(xué)碩士學(xué)位論文摘要基于SVM進行軋制力預(yù)測的冷連軋機軋制規(guī)程優(yōu)化摘要軋制規(guī)程設(shè)定計算是冷連軋生產(chǎn)線過程自動化系統(tǒng)的首要任務(wù),其設(shè)定值對產(chǎn)品規(guī)格的控制至關(guān)重要。傳統(tǒng)的軋制規(guī)程設(shè)定方法通過軋制理論數(shù)學(xué)模型計算軋制力,采用查表方法設(shè)定壓下規(guī)程,這在一定程度上可以達到生產(chǎn)目標(biāo)。但隨著人們對冷軋帶鋼質(zhì)量要求的日益提高,傳統(tǒng)方法已經(jīng)無法滿足一些軋制規(guī)格要求較精細的場合,于是人們開始尋求更為精確的途徑來預(yù)測軋制力,進而優(yōu)化冷連軋機的軋制規(guī)程。本文深入研究了基于支持向量機(SupportVectorMachine,S
2、VM)進行軋制力預(yù)測的冷連軋機軋制規(guī)程的優(yōu)化問題,受到軟測量領(lǐng)域應(yīng)用的新理論SVM的啟發(fā),鑒于神經(jīng)網(wǎng)絡(luò)方法在軋鋼領(lǐng)域的應(yīng)用,提出了利用SVM模型預(yù)測方法對冷連軋過程中機架的軋制力進行預(yù)測。為了實現(xiàn)在線預(yù)測,采用了序列輸入方式的在線SVM回歸算法(OnlineTrainingofSupportVectorRegression,OSVR),并借鑒文獻中利用相關(guān)性分析法確定冷軋軋制力影響因素的研究成果,建立了五個輸入、一個輸出的SVM預(yù)測模型。通過利用大量現(xiàn)場數(shù)據(jù)的仿真與比較分析我們發(fā)現(xiàn),基于OSVR算法建立的軋
3、制力預(yù)測模型對于冷連軋過程中機架的軋制力有較好的預(yù)測效果,是未來軋鋼技術(shù)應(yīng)用領(lǐng)域中值得一試的軋制力在線預(yù)測方法。根據(jù)實際需要提出了以軋制能耗最小為目標(biāo)函數(shù),以軋制力、軋制速度和機架出口厚度限制為約束條件的壓下規(guī)程優(yōu)化方法,并采用單目標(biāo)不等式優(yōu)化的內(nèi)部懲罰函數(shù)法進行求解。將基于SVM的軋制力預(yù)測模型與壓下規(guī)程的優(yōu)化相結(jié)合來設(shè)計軋制規(guī)程的整體優(yōu)化流程。仿真過程中應(yīng)用了大量的現(xiàn)場數(shù)據(jù),通過與原來軋制規(guī)程的比較分析發(fā)現(xiàn),優(yōu)化后的軋制規(guī)程具有較好的軋制力預(yù)測效果,預(yù)測方差僅為原來的7.5%。同時,在節(jié)能方面的效果也十
4、分明顯,約節(jié)省軋制能耗12.5%。關(guān)鍵詞:過程自動化系統(tǒng);軋制規(guī)程;軋制力;支持向量機:內(nèi)部懲罰函數(shù)法.Ⅱ.東北大學(xué)碩士學(xué)位論文AbstractOptimizationofTandemColdMillRollingSchedulewithRollForceForecastBaseduponSupportVectorMachineAbstractRollingschedulepresetisthemajortaskofPL-TCMprocessautomationcontrolsystem,whosepres
5、etvalueswillbeakeypo血tothecontrolofproductstandard.TraditionalmethodofrollingschedulepresetisbasedOllrollingtheorymodelstopresetrollforce.whilethefⅨeddatatabletosetupreductionschedule.Althoughitissufficientforsomegeneralmanufacturingrequirements,themoreand
6、moreadvancedneedsforhighqualityironsteelproductscannotbemet,whichcallsforsomenewaccuratewaytoforecastrollforce,andinaddition,optimizetherollingscheduleoftandemcoldmill.11"paperdoesmuchresearchjobontheoptimizationoftandemcoldmillrollingschedulebaseduponSVMr
7、ollforceforecastmethod,whichhasbeensuccessfullyappliedinsoftmeasurementfield.What’smore,inthatNeuralNetworkstudyme吐K)dhasbeenappliedinironsteelcoldrollingfield,first,thepaperputforwardtheideathatrollforceoftandemcoldmillbeforecastthroughSVMmetllod.Toachiev
8、ethegoalofonlinetraining,thepaperadoptsthesequentialinputOnlineTrainingofSupportVectorRegressionarithmetic.Andbasedontheresearchresultfromliteratureaboutdefiningeffectivefactorsofcoldrollingmillstandrollforce