典型文献
基于CPA-OSELM的热轧带钢厚度在线预测
文献摘要：
为解决自动厚度控制(automatic gauge control,AGC)系统反馈滞后、耦合强、厚度偏差大等问题,提出了一种基于食肉植物算法(carnivorous plant algorithm,CPA)的在线顺序极限学习机(online sequential extreme learning machine,OSELM)预测算法.首先,基于从现场采集的相关数据,建立了OSELM在线厚度预测模型.然后为了提高模型的准确性及稳定性,采用CPA方法优化OSELM的权重和偏置.在此基础上,运用自学习方法进一步提高模型的预测精度.最后,通过实验验证基于CPA-OSELM预测模型的有效性.实验结果表明:基于CPA-OSELM的方法能够对不同规格带钢的出口厚度进行高精度在线预测,预测结果可用于提升AGC模型的控制精度,为提升带钢产品质量奠定基础.
文献关键词：
热轧带钢;在线预测;在线顺序极限学习机(online sequential extreme learning machine;OSELM);食肉植物算法(car-nivorous plant algorithm;CPA);自学习
中图分类号：
作者姓名：
肖思竹;张飞;黄学忠;肖雄;易忠荣
作者机构：
北京科技大学高效轧制及智能制造国家工程研究中心, 北京102206;广西北港新材料有限公司技术研究院,北海536017;广西柳州钢铁集团公司热轧板带厂, 柳州545002
文献出处：
引用格式：
[1]肖思竹;张飞;黄学忠;肖雄;易忠荣-.基于CPA-OSELM的热轧带钢厚度在线预测)[J].科学技术与工程,2022(22):9686-9694
A类：
OSELM,nivorous
B类：
CPA,热轧带钢,带钢厚度,在线预测,厚度控制,automatic,gauge,control,AGC,厚度偏差,食肉,carnivorous,plant,algorithm,在线顺序极限学习机,online,sequential,extreme,learning,machine,预测算法,现场采集,厚度预测,方法优化,偏置,自学习,不同规格,控制精度
AB值：
0.314024
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
