一种基于支持向量机的轧制过程板凸度预测方法技术

本发明专利技术属于板型预测方法技术领域，具体涉及一种基于支持向量机的轧制过程板凸度预测方法，包括下列步骤：S1、利用高精度监测装置收集现场数据；S2、对采集的数据进行预处理；S3、建立CS‑SVM训练模型；S4、CS‑SVM网络回归预测。本发明专利技术利用CS算法结合SVM预测板凸度，具有参数少、操作简单、易实现、随机搜索路径、寻优能力强、可收敛于全局最优等优点，克服了热轧生产过程中参数检测困难精度差的缺陷，结果显示98.11％的预测凸度绝对误差小于4.5μm，不仅预测精度高，而且运算速度快，利用现场采集的大量生产数据通过直接在计算机上编程，即可实现投入使用，成本较低廉，推广能力较强。本发明专利技术用于轧制过程中板凸度的预测。

A prediction method of plate crown in rolling process based on support vector machine

【技术实现步骤摘要】
一种基于支持向量机的轧制过程板凸度预测方法
本专利技术属于板型预测方法
，具体涉及一种基于支持向量机的轧制过程板凸度预测方法。
技术介绍
板形是指板带材的外貌形状，是板带产品质量的指标之一。板形实际上包含带钢截面几何形状和自然状态下板带材平直度两方面，因此要定量描述板形就涉及到凸度、楔形、边部减弱、局部高点和平坦度等多项指标，其中板凸度是描述和衡量热轧板形的主要因素。随着对板形质量要求的日渐提高，一般的板形控制方法，已经很难满足其要求，因而造成巨大的经济损失。此外，在板带材的轧制过程中，凸度测量仪一般安装在精轧机组末机架出口侧3～5米处的位置，相对于轧制过程，凸度测量值的获取存在明显的时间滞后，严重影响了控制效果。因此，根据生产过程数据对带钢出口凸度提前进行准确预报，对于实现带钢板凸度的精准控制具有非常重要的意义。
技术实现思路
针对上述凸度测量值的获取存在明显的时间滞后技术问题，本专利技术提供了一种参数少、操作简单、易实现、随机搜索路径、寻优能力强、可收敛于全局最优的基于支持向量机的轧制过程板凸度预测方法。为本文档来自技高网...

【技术保护点】
1.一种基于支持向量机的轧制过程板凸度预测方法，其特征在于：包括下列步骤：/nS1、利用高精度监测装置收集现场数据；/nS2、对采集的数据进行预处理；/nS3、建立CS-SVM训练模型；/nS4、CS-SVM网络回归预测。/n

【技术特征摘要】
1.一种基于支持向量机的轧制过程板凸度预测方法，其特征在于：包括下列步骤：
S1、利用高精度监测装置收集现场数据；
S2、对采集的数据进行预处理；
S3、建立CS-SVM训练模型；
S4、CS-SVM网络回归预测。


2.根据权利要求1所述的一种基于支持向量机的轧制过程板凸度预测方法，其特征在于：所述S1中收集的现场数据包括：生产时间、卷钢号、F1～F7机架的轧制力、F1～F7机架轧制速度、F1～F7机架弯辊力、F1～F7机架辊缝值、F1～F7机架的窜辊量、轧后宽度、轧后厚度、轧后凸度、入口及出口温度。


3.根据权利要求1所述的一种基于支持向量机的轧制过程板凸度预测方法，其特征在于：所述S2中对采集的数据进行预处理的方法为：包括下列步骤：
S2.1、计算各生产数据的平均值和标准差






所述为生产数据的平均值，Sx为生产数据的标准差，n为生产数据的个数，xi为第i个生产数据；
S2.2、对数据进行标准化变换，计算标准化变换后矩阵的相关系数矩阵



所述n为生产数据的个数，i、j分别为数据x所在的行数和列数，Sx为标准差，X0为原始数据矩阵标准化后的标准化矩阵；
S2.3、对相关系数矩阵进行特征值分解，求取主成分，计算主成分分析的特征值λ、各成分方差贡献率及累积方差贡献率，选出贡献率高的h个主成分使总累积贡献率CPV大于90％，从而确定主成分数为h；
S2.4、计算原始数据和新数据的SPE统计量，计算显著性水平在α＝0.05时SPE统计量的控制限；
S2.5、绘制出SPE控制图，根据异常数据点相应的主元贡献图分析其产生异常的原因，剔除异常点；
S2.6、对剔除异常点的数据进行平滑处理，采用五点三次平滑发对数据进行平滑处理，具体公式如下：



所述yn为第n个剔除异常值后的生产数据，为yn平滑后的值。


4.根据权利要求3所述的一种基于支持向量机的轧制过程板凸度预测方法，其特征在于：所述S2.4中计算控制限的方法为：对于第i个样本点的平方预测误差为：



计算显著性水平在α＝0.05时SPE统...

【专利技术属性】
技术研发人员：姬亚锋，宋乐宝，李华英，牛晶，原浩，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：山西;14