首页|钢板大变形热轧机轧制力DEI-RBF预测研究

钢板大变形热轧机轧制力DEI-RBF预测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
支持向量机实际计算过程的复杂性主要由支持向量数决定,可以获得优异鲁棒性,精度也获得明显提升.设计了一种通过差分进化改进支持向量机模型(DEI-RBF),分并以RBF核函数支持向量机(RBF-SVM)构建初始模型.通过差分进化算法完成RBF-SVM惩罚系数C以及RBF核函数参数σ的寻优,结果表明DEI-RBF可以实现热轧轧制力的精确预测,达到现场使用要求.研究结果表明:以RBF核函数构建的支持向量机回归模型获得了最大的R2,同时均方差(MSE)以及平均绝对误差(MAE)都达到了最小,显著提升了模型效果.采用差分进化算法进行优化后的支持向量机回归模型获得了更优性能,预测误差在5％以内的概率为99.2％,相对传统轧制力计算模型获得了更高预测准确性.
Research on Rolling Force DEI-RBF Prediction of Large Deformation Hot Mill

Rolling Force PredictionKernel FunctionSupport Vector MachineDifferential Evolution

王保华、葛新锋、杨波、胡草笛

展开 >

焦作大学机电工程学院,河南焦作 454000

许昌学院工程技术中心,河南许昌 461000

河南理工大学机械与动力工程学院,河南焦作 454003

轧制力预测 核函数 支持向量机 差分进化

河南省高等学校优秀基层教学组织项目河南省科技厅科技攻关项目

教高[2017]730号182102210508

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.391(9)
  • 12