基于ACPSO优化SVR的棒材连轧轧制力预测研究.pdfVIP

学兔兔 第33卷 第11期 仪 器 仪 表 学 报 VoL 33 No．11 2012年 11月 Chinese Journal of Scientific Instrument NOV．2012 基于ACPSO优化SVR的棒材连轧轧制力 预测研究 吴东升 ，王大志 ，杨 青 ，王安娜 (1长春理工大学光电工程学院 长春 130022；2沈阳理工大学信息科学 与工程学院 沈阳 110159；3东北大学信息科学与工程学院 沈阳 110004) 摘 要：针对钛合金棒材热连轧轧制力的精确预测问题，提出了一种基于加速收敛的粒子群(accelerate convergence particle swarm optimization，ACPSO)优化支持向量回归(support vector regression，SVR)的预测算法。该算法首先通过使粒子在每次速度迭代过程 中偏离速度迭代一个小角度，在位置迭代过程中偏离迭代位置一小步，改善了粒子群算法的收敛性及收敛速度，再通过ACPSO算 法实现对支持向量回归机的参数8、c、 的同时寻优，从而使ACPSO-SVR模型具有较高的预测精度和泛化能力。通过仿真实验和 实际数据的比对，验证了方法的有效性。实验结果表明，ACPSO—SVR算法能够有效、快速地实现轧制力的精确预测，在预测速度 和适应性方面，优于基于PSO—SVR(particle swalnl optimization—support vector regression)的预测算法；在预测精度等方面，该算法优 于BPNN(back propagation neural network)、SVR、PSO．SVR等算法，平均误差率从BP神经网络的±9％降到±4％以内。 关键词：棒材热连轧；轧制力预测；支持向量回归；加速收敛粒子群优化 中图分类号：TP273 TH73 文献标识码：A 国家标准学科分类代码：410．15 Study on bar rolling force prediction based on support vector regression optimized by accelerate conve ence particle swarm optimization Wu Dongsheng ，Wang Dazhi ，Yang Qing ，Wang An’na ( College ofOptical and Electronical Engineeriug，Changchun University ofScience and Technology，Changchun 130022，China； 2 School ofInformation Science and Engineering，Shenyang Ligong E， 7e ，Shenyang 110159，China； 3 College ofInformation Science and Engineering，^ ￡University，Shenyang 110004，China) Abstract：Aiming at the accurate prediction issue of titanium all