用改进遗传算法优化的带钢卷取温度预报模型

摘要：

由于热轧带钢卷取温度控制过程存在强非线性,经典数学模型难以精确描述,我们采用遗传神经网络建立了卷取温度预报模型,并且通过改进的遗传算法优化了神经网络的权值.其中,提出了重新进化的思想,用“返祖”操作找回丢失的较优模式并将其耦合至下一代种群中,极大的提高了算法的收敛速度;分析了“种群解的空间跨度”和“基因段距离”对种群多样性的影响,用“优生”操作来推动算法从平面到多维空间的立体式搜索,以勘探和挖掘出更广、更优的寻优区间,并在种群进化后期,强力驱动算法收敛于全局最优.MFC(微软基类库)仿真结果表明:该卷取温度预报模型的收敛速度快、精度高,满足实时在线的控制要求,预报精度在±10°范围之内,能为卷取温度的前馈补偿控制提供可靠的参考数据,从而为进一步提高卷取温度的控制精度提供了新的途径.

关键词：卷取温度、遗传算法、返祖、基因段距离、优生

所属期刊栏目：32

分类号：TP273(自动化技术及设备)

资助基金：北京市重点学科建设项目XK100080537资助.Supported by Beijing Key Discipline Development Program XK100080537

在线出版日期：2015-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1106-1113