基于SVM和PCA-CS算法的热轧带钢板凸度预测

摘要

为了弥补传统控制方法的缺陷,满足日益增长的板凸度精度要求,提出了一种基于支持向量机(SVM)的优化模型,以提高热轧带钢产品的质量。为了丰富数据信息并保证数据质量,建立预测模型的实验数据均来自于某热轧厂,并通过计算多项评价指标来评估模型的预测性能。建立主成分分析结合布谷鸟搜索(PCA-CS)算法优化的预测模型,并与粒子群优化算法(PSO)优化的模型及传统SVM模型进行对比,分析并讨论了这三种模型的预测性能。实验结果表明,PCA-CS-SVM模型具有最高的预测精度和最快的收敛速度,模型的均方根误差(RMSE)为2.04μm,且98.15%的预测数据的绝对误差小于4.5μm。结果证明,PCA-CS-SVM模型不仅能够满足板凸度精度要求,而且对热轧带钢的实际生产具有一定指导意义。