退火爐內(nèi)帶鋼延伸率預(yù)測(cè)模型研究.pdf

1、帶鋼焊縫跟蹤是連續(xù)熱鍍鋅生產(chǎn)線自動(dòng)化過(guò)程的基礎(chǔ)，焊縫跟蹤的準(zhǔn)確與否不僅關(guān)系到設(shè)備的安全，也直接關(guān)系到消耗原材料的多少和企業(yè)生產(chǎn)成本的控制。在熱鍍鋅生產(chǎn)線的退火爐內(nèi)，帶鋼受到溫度和張力等因素的影響，常常會(huì)發(fā)生長(zhǎng)度變長(zhǎng)，寬度變窄的現(xiàn)象，從而導(dǎo)致焊縫跟蹤不準(zhǔn)確。本文結(jié)合鍍鋅生產(chǎn)線工藝,建立了針對(duì)退火爐內(nèi)帶鋼延伸率的預(yù)測(cè)模型。該項(xiàng)研究對(duì)未來(lái)實(shí)際生產(chǎn)過(guò)程中，提高焊縫跟蹤精度，節(jié)約生產(chǎn)原材料，降低生產(chǎn)成本等方面有著重要的意義。本文研究工作主要包括以

2、下內(nèi)容:
　　(1)分析了帶鋼延伸率影響因素與帶鋼延伸率之間的線性關(guān)系，建立了基于普通最小二乘法的多元線性回歸模型;針對(duì)該模型存在的共線性問(wèn)題，建立了基于偏最小二乘法的回歸模型。仿真結(jié)果表明后者具有更高的預(yù)測(cè)精度和可靠性。
　　(2)針對(duì)k-means聚類(lèi)方法對(duì)初始值敏感的問(wèn)題，采用了減聚類(lèi)與k-means聚類(lèi)相結(jié)合的方法訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)中心;本文還采用遺傳算法優(yōu)化RBF的中心和寬度，建立了GA-RBF神經(jīng)網(wǎng)絡(luò)模型，將RB

3、F中心和寬度單獨(dú)編碼且采用實(shí)數(shù)編碼，有效地減少了編碼長(zhǎng)度，提高了運(yùn)算速度。仿真結(jié)果表明兩種模型都具有較好的預(yù)測(cè)精度，為組合模型的建立提供基礎(chǔ)。
　　(3)針對(duì)單一模型泛化能力弱，可靠性低的缺點(diǎn)，提出了基于偏最小二乘回歸模型、減聚類(lèi)與k-means相結(jié)合訓(xùn)練的RBF神經(jīng)網(wǎng)絡(luò)模型以及GA-RBF神經(jīng)網(wǎng)絡(luò)模型的組合模型。仿真結(jié)果表明組合模型不僅提高了預(yù)測(cè)精度，也提高了模型的可靠性。
　　通過(guò)對(duì)比分析，組合模型具有最好的預(yù)測(cè)效果。通