基于改进QGA-WNN集成学习的冷连轧轧制力预测
袁昕1*,卜赫男1,闫注文2
1江苏科技大学 机械工程学院,丹徒区长晖路666号,镇江,212100
2南京工程学院 智能装备产业技术研究院,江宁科学园弘景大道1号,南京,211167
*Email: 2322458460@qq.com
摘要:轧制力是实现冷连轧计算机控制的重要数学模型,其计算精度直接影响辊缝的设定精度,进而影响带钢的厚度精度。为了进一步提高冷连轧过程控制系统中轧制力的预测精度,本文提出以改进量子遗传算法(QGA)优化的小波神经网络(WNN)作为基学习器,并采用bagging算法作为顶层模型的集成学习预测方法。以某1450mm冷连轧生产线为对象,对提出的轧制力预测模型进行测试,比较了该模型与未经优化的小波神经网络和单个学习器的预测效果。现场数据分析表明,本文提出的模型可以有效减小计算轧制力与实测轧制力的偏差,模型计算精度更高,收敛性能更好,显著提高WNN集成的泛化能力。
关键词:冷连轧;轧制力预测;量子遗传算法;小波神经网络;集成学习