資源描述：
《基于SVM進行軋制力預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，更多相關內容在學術論文-天天文庫。
1、東北大學碩士學位論文摘要基于SVM進行軋制力預測的冷連軋機軋制規(guī)程優(yōu)化摘要軋制規(guī)程設定計算是冷連軋生產線過程自動化系統(tǒng)的首要任務，其設定值對產品規(guī)格的控制至關重要。傳統(tǒng)的軋制規(guī)程設定方法通過軋制理論數(shù)學模型計算軋制力，采用查表方法設定壓下規(guī)程，這在一定程度上可以達到生產目標。但隨著人們對冷軋帶鋼質量要求的日益提高，傳統(tǒng)方法已經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)進行軋制力預測的冷連軋機軋制規(guī)程的優(yōu)化問題，受到軟測量領域應用的新理論SVM的啟發(fā)，鑒于神經網絡方法在軋鋼領域的應用，提出了利用SVM模型預測方法對冷連軋過程中機架的軋制力進行預測。為了實現(xiàn)在線預測，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預測模型。通過利用大量現(xiàn)場數(shù)據的仿真與比較分析我們發(fā)現(xiàn)，基于OSVR算法建立的軋
3、制力預測模型對于冷連軋過程中機架的軋制力有較好的預測效果，是未來軋鋼技術應用領域中值得一試的軋制力在線預測方法。根據實際需要提出了以軋制能耗最小為目標函數(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，并采用單目標不等式優(yōu)化的內部懲罰函數(shù)法進行求解。將基于SVM的軋制力預測模型與壓下規(guī)程的優(yōu)化相結合來設計軋制規(guī)程的整體優(yōu)化流程。仿真過程中應用了大量的現(xiàn)場數(shù)據，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測效果，預測方差僅為原來的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％。關鍵詞：過程自動化系統(tǒng)；軋制規(guī)程；軋制力；支持向量機：內部懲罰函數(shù)法．Ⅱ．東北大學碩士學位論文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
