基于极限学习机的板形预测模型

作者：黄长清; 李滔

来源：机械科学与技术, 2014, 33(04): 592-595.

DOI：10.13433/j.cnki.1003-8728.2014.04.009

• 极限学习机
• 轧制
• 板形
• 预测模型
• 支持向量机

高效地建立起板形模型有利于提高板带轧制过程中的板形精度和有效实现板形控制。提出了一种基于极限学习机(ELM)的板带轧制过程中板形预测模型,不但可以简化参数选择过程,在核函数选择上可以根据训练样本值自动选择无须手动选择,而且可以提高模型的训练速度。结合铝板带四连轧机组在线实测数据进行模型训练,实现对轧制过程板形的预测且得到实验验证。本算法与支持向量机(SVM)模型预测对比,在训练样本数量较少的情况下,模型预测精度都能达到期望精度值,且具有同样甚至更高的预测精度,还具有急速的特点和更强的泛化能力。

• 单位
  中南大学; 机电工程学院; 高性能复杂制造国家重点实验室