基于智能算法的轧制力预报及多目标规程优化

发布时间：2017-09-14 08:11

  本文关键词：基于智能算法的轧制力预报及多目标规程优化

  更多相关文章： 铝热连轧 多目标优化 轧制力预报 轧制规程 支持向量机

【摘要】：在铝热连轧生产中,好的轧制规程能够降低能耗,改善板带质量。本文以某铝热连轧精轧机组为研究对象,基于现场提取的轧制数据,对该机组的轧制力预报及轧制规程优化问题进行了仿真研究。在轧制过程的分析中,机理模型被广泛应用,本文深入研究了温度、张力、轧制力等主要数学模型。近年来,现场数据越来越容易获得,机器学习技术日趋成熟,回归计算方法成为当前轧制力建模的主要方法。本文基于现场采集到的轧制数据对支持向量机模型进行训练,在训练过程中选用改进的果蝇算法(FOA)对最小二乘支持向量机(LSSVM)的惩罚参数和核函数参数进行优化。通过引入位置判别因子使果蝇算法具有了负半轴寻优的能力,并加入了自适应步长策略和分组搜索策略,改善了算法的快速性和收敛性。该模型的轧制力预报精度良好,能够满足现场需要。轧制规程优化中需考虑多个目标函数,为解决这一多目标优化问题,本文提出用多目标差分-分布估计算法进行规程优化。改进了差分进化算法的差向量和最优粒子选取方法,设计了算法切换因子使之与分布估计算法进行组合,该组合算法的收敛性和分布性相对原算法都有了明显改善。用该算法对某铝热连轧精轧机组进行规程优化,仿真结果表明,该算法能够获得收敛性和分布性良好的近似Pareto前沿,充分考虑了各个目标的折衷关系,为决策者提供了选择便利。
【关键词】：铝热连轧 多目标优化 轧制力预报 轧制规程 支持向量机
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG335.13;TP18
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-13
• 1.1 课题研究背景9
• 1.2 轧制规程优化研究现状9-12
• 1.3 课题研究内容12-13
• 第2章 基本轧制参数和主要模型13-19
• 2.1 变形区工艺参数13-15
• 2.1.1 变形区介绍13-14
• 2.1.2 变形区前滑模型及后滑模型14-15
• 2.2 温度模型15
• 2.3 张力模型15-16
• 2.4 传统轧制力模型16-17
• 2.5 轧制力矩及功率模型17-18
• 2.6 本章小结18-19
• 第3章 基于FOA-LSSVM的轧制力预报19-35
• 3.1 果蝇优化算法19-23
• 3.1.1 基本果蝇优化算法19-20
• 3.1.2 改进的果蝇优化算法20-22
• 3.1.3 算法测试22-23
• 3.2 支持向量机理论23-27
• 3.2.1 统计学习理论23
• 3.2.2 支持向量机23-26
• 3.2.3 最小二乘支持向量机26-27
• 3.3 基于FOA-LSSVM的轧制力预报27-34
• 3.3.1 轧制力预报模型建立28-30
• 3.3.2 仿真测试30-34
• 3.4 本章小结34-35
• 第4章 铝热连轧轧制规程多目标优化35-55
• 4.1 轧制规程优化问题35-41
• 4.1.1 设备参数及规程优化问题描述35-37
• 4.1.2 规程优化目标函数及约束条件37-41
• 4.2 多目标优化算法41-46
• 4.2.1 基本理论与求解方法41-43
• 4.2.2 性能指标与测试函数43-46
• 4.3 多目标差分-分布估计算法46-50
• 4.3.1 分布估计算法46-47
• 4.3.2 改进差分进化算法47-48
• 4.3.3 多目标差分-分布估计算法48-50
• 4.4 轧制规程优化仿真50-53
• 4.5 本章小结53-55
• 结论55-57
• 参考文献57-61
• 攻读硕士学位期间承担的科研任务与主要成果61-62
• 致谢62

【相似文献】

中国期刊全文数据库 前8条

1 邹永平;;改进的Fp-Growth数据关联挖掘算法研究[J];河北能源职业技术学院学报;2013年01期

2 王洪香;;VBLAST系统检测算法改进[J];重庆科技学院学报(自然科学版);2011年04期

3 阴爱英;;基于线程并行计算的Apriori算法[J];西安科技大学学报;2014年01期

4 夏克文;董瑶;杜红斌;;基于改进PSO算法的LS-SVM油层识别模型[J];控制与决策;2007年12期

5 付伟忠;张运陶;;改进的MC_GEP算法与嘌呤骨架类Hsp90抗癌活性的定量结构活性关系研究[J];计算机与应用化学;2010年05期

6 刘传玉;王兆青;;一种自适应免疫记忆多克隆进化算法[J];浙江理工大学学报;2009年01期

7 姬文燕;史长琼;邹杰;;基于蚁群的区域簇头选择路由算法[J];长沙理工大学学报(自然科学版);2012年02期

8 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年

2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年

3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年

4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年

7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年

8 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

9 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年

10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

中国博士学位论文全文数据库 前10条

1 钟永腾;基于近场MUSIC算法的复合材料结构健康监测研究[D];南京航空航天大学;2014年

2 刘燕;入侵杂草优化算法在阵列天线综合中的应用[D];西安电子科技大学;2015年

3 苗义烽;突发事件下的列车运行调度模型与算法研究[D];中国铁道科学研究院;2015年

4 杨玉婷;头脑风暴优化算法与基于视频的非接触式运动定量分析方法研究[D];浙江大学;2015年

5 单美静;求解非线性实代数系统的混合算法研究[D];华东师范大学;2008年

6 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年

7 潘磊;若干社区发现算法研究[D];南京大学;2014年

8 陈俊波;频繁闭合项集挖掘算法及应用研究[D];浙江大学;2009年

9 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

10 范洪博;快速精确字符串匹配算法研究[D];哈尔滨工程大学;2011年

中国硕士学位论文全文数据库 前10条

1 安世勇;命题逻辑中随机3-SAT问题算法研究[D];西南交通大学;2015年

2 毕晓庆;油气探矿权竞争性出让系统设计与实现[D];中国地质大学(北京);2015年

3 王明明;铁路大机与线路固定设施间距检测算法研究[D];西南交通大学;2015年

4 李静;基于视频图像序列的运动目标检测与跟踪算法研究[D];宁夏大学;2015年

5 刘贝玲;基于天地图的租房平台开发及其关键技术研究[D];西南交通大学;2015年

6 曹海锋;IDS中串匹配臭算法并行优化研究[D];西安建筑科技大学;2015年

7 周攀;基于蚁群算法的山区高速铁路隧道火灾应急疏散最优路径研究[D];西南交通大学;2015年

8 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年

9 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年

10 信琴琴;手势控制和识别算法研究[D];闽南师范大学;2015年

，

本文编号：848876