机械设计与制造2023，Vol.391Issue(9) ：217-220.

钢板大变形热轧机轧制力DEI-RBF预测研究

Research on Rolling Force DEI-RBF Prediction of Large Deformation Hot Mill

王保华 葛新锋 杨波 胡草笛
机械设计与制造2023，Vol.391Issue(9) ：217-220.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

钢板大变形热轧机轧制力DEI-RBF预测研究

Research on Rolling Force DEI-RBF Prediction of Large Deformation Hot Mill

王保华 1葛新锋 2杨波 3胡草笛1
扫码查看

作者信息

  • 1. 焦作大学机电工程学院,河南焦作 454000
  • 2. 许昌学院工程技术中心,河南许昌 461000
  • 3. 河南理工大学机械与动力工程学院,河南焦作 454003
  • 折叠

摘要

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.

关键词

轧制力预测/核函数/支持向量机/差分进化

Key words

Rolling Force Prediction/Kernel Function/Support Vector Machine/Differential Evolution

引用本文复制引用

基金项目

河南省高等学校优秀基层教学组织项目(教高[2017]730号)

河南省科技厅科技攻关项目(182102210508)

出版年

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
参考文献量12
段落导航相关论文