本发明专利技术公开一种多模融合的带钢板形控制方法和装置，包括以下步骤：步骤S1、获取轧制生产过程数据集；步骤S2、根据轧制生产过程数据集，构建集成预测模型；步骤S3、根据集成预测模型输出的第一板形预测值与实际测量数据，通过GA‑BP神经网络，得到第二板形预测值；步骤S4、根据第二板形预测值进行板形控制。采用本发明专利技术的技术方案，构建多种智能算法融合的集成预测模型，并通过凸度反馈和平直度反馈实现了对轧制过程板形质量的动态调控，保证了带钢全长的板形质量。
【技术实现步骤摘要】
本专利技术属于轧制控制，尤其涉及一种多模融合的带钢板形控制方法和装置。
技术介绍
1、随着现代化工业轧制技术的发展，人们对轧制带钢板形质量的要求越来越高，在实际生产中，板形受大量非线性因素的影响，如轧辊原始凸度、轧辊冷却水布置、轧辊磨损、轧辊材质、弯辊力、轧制速度、温度、轧制力、张力分布等因素的影响。对轧制过程板形质量进行精准的动态调控是目前亟待解决的一个重要问题。
技术实现思路
1、本专利技术要解决的技术问题是，提供一种多模融合的带钢板形控制方法和装置，对轧制过程板形质量的动态调控，保证了带钢全长的板形质量。
2、为实现上述目的，本专利技术采用如下的技术方案：
3、一种多模融合的带钢板形控制方法，包括以下步骤：
4、步骤s1、获取轧制生产过程数据集；
5、步骤s2、根据轧制生产过程数据集，构建集成预测模型；
6、步骤s3、根据集成预测模型输出的第一板形预测值与实际测量数据，通过ga-bp神经网络，得到第二板形预测值；
>7、步骤s4、根据本文档来自技高网...
【技术保护点】
1.一种多模融合的带钢板形控制方法，其特征在于，包括以下步骤：
2.如权利要求1所述的多模融合的带钢板形控制方法，其特征在于，步骤S1中，还包括对轧制生产过程数据集进行升维处理，步骤S2中根据升维处理后的轧制生产过程数据集得到集成预测模型。
3.如权利要求2所述的多模融合的带钢板形控制方法，其特征在于，对轧制生产过程数据集进行升维处理具体为：将轧制生产过程数据集输入到神经网络中，对轧制生产过程数据集进行升维处理。
4.如权利要求3所述的多模融合的带钢板形控制方法，其特征在于，根据升维处理后的轧制生产过程数据集得到集成预测模型为：将经过升维处理后的轧制生...
【技术特征摘要】
1.一种多模融合的带钢板形控制方法，其特征在于，包括以下步骤：
2.如权利要求1所述的多模融合的带钢板形控制方法，其特征在于，步骤s1中，还包括对轧制生产过程数据集进行升维处理，步骤s2中根据升维处理后的轧制生产过程数据集得到集成预测模型。
3.如权利要求2所述的多模融合的带钢板形控制方法，其特征在于，对轧制生产过程数据集进行升维处理具体为：将轧制生产过程数据集输入到神经网络中，对轧制生产过程数据集进行升维处理。
4.如权利要求3所述的多模融合的带钢板形控制方法，其特征在于，根据升维处理后的轧制生产过程数据集得到集成预测模型为：将经过升维处理后的轧制生产过程数据集作为输入，将板形凸度、平直度作为输出，分别训练随机森林预测模型、多输出支持向量回归预测模型、高斯过...
【专利技术属性】
技术研发人员：姬亚锋，马世民，文钰，孙杰，彭文，杨正午，樊鹏飞，徐铭泽，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。