PCA降维技术在弯辊力预设定中的研究与应用

摘要：

为了提高冷连轧带钢弯辊力预设定模型的计算效率,在原有基于GA-BP神经网络的弯辊力预设定模型基础上,引入主成分分析(PCA)数据降维技术,通过PCA将原有10个轧制参数变量转换为3个主成分变量,降维后的主成分变量包含了原始实测轧制参数93.55％的信息,实现了轧制参数特征的有效提取;将其作为神经网络的输入,建立PCA-GA-BP新形态弯辊力预设定模型,简化了模型结构.以某1450 mm冷连轧生产线数据作为样本比较了2种模型的计算性能,结果表明,2种模型均具有较好的泛化能力,在保证带钢头部板形精度的基础上,PCA-GA-BP模型与原模型相比迭代次数减少86次,计算时间缩短73 ms,预报效率显著提高.

关键词：冷连轧、带钢、板形、板形控制、弯辊力预设定、主成分分析、降维、模型

所属期刊栏目：40

分类号：TG335.12(金属压力加工)

资助基金：国家自然科学基金;江苏省自然科学基金

在线出版日期：2020-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：104-108