基于粒子群优化极限学习机的轧制力预测

作者：郭城; 刘新忠; 苗宇^*

来源：冶金自动化, 2021, 45(S1): 329-332.

• 板带热连轧
• 轧制力预测
• 粒子群优化
• 极限学习机
• 神经网络

为了提高热连轧板带轧制力预测的精度,针对影响轧制力因素之间的复杂关系,建立了基于粒子群算法(particle swarm optimization, PSO)优化极限学习机(extreme learning machine, ELM)的轧制力预测模型,进一步提高预测精度。首先,利用PSO全局搜索最优解和ELM处理大量非线性关系数据的特点,建立了PSO-ELM轧制力预测模型;其次,将PSO-ELM模型与传统轧制力模型、反向神经网络(back propagation, BP)、未经优化的ELM神经网络进行对比。结果表明,PSO-ELM与其他网络相比在轧制力预测的准确度上更高、稳定性上更强,具有较强的拟合能力,该方法在实际应用中具有很大潜力。

• 单位
  北京交通大学; 电子信息工程学院; 北京金自天正智能控制股份有限公司