公开(公告)号：CN114861548B

公开(公告)日：2024-10-29

申请号：CN202210561959.7

申请日：2022-05-23

申请人： 东北大学

发明人： 丁敬国 ,  张一杰 ,  李旭 ,  倪晔 ,  张殿华

IPC分类号： G06F30/27 ,  G06N3/006 ,  G06F111/08

摘要： 本发明的一种在线自适应SSA‑OS‑DELM模型的板凸度预测方法，包括：利用高精度监测装置采集热连轧现场的生产数据和实测凸度；对采集的生产数据和实测凸度进行预处理；使用预处理后的生产数据和实测凸度初始化DELM网络结构；采用SSA优化算法对DELM网络优化，获得具有最优的隐藏层的输出矩阵和最优输出权重的SSA‑DELM板凸度预测模型；按照一定时间周期实时采集在线生产数据对SSA‑DELM板凸度预测模型进行优化，获得SSA‑OS‑DELM板凸度预测模型。本方法从大量历史板凸度数据中充分提取信息，并通过在线实时数据迭代优化更新模型，从而实现可靠、实时的高准确度的板凸度预测，为产品板形的高精度控制提供了良好条件。

公开(公告)号：CN114861548A

公开(公告)日：2022-08-05

申请号：CN202210561959.7

申请日：2022-05-23

申请人： 东北大学

发明人： 丁敬国 ,  张一杰 ,  李旭 ,  倪晔 ,  张殿华

IPC分类号： G06F30/27 ,  G06N3/00 ,  G06F111/08

摘要： 本发明的一种在线自适应SSA‑OS‑DELM模型的板凸度预测方法，包括：利用高精度监测装置采集热连轧现场的生产数据和实测凸度；对采集的生产数据和实测凸度进行预处理；使用预处理后的生产数据和实测凸度初始化DELM网络结构；采用SSA优化算法对DELM网络优化，获得具有最优的隐藏层的输出矩阵和最优输出权重的SSA‑DELM板凸度预测模型；按照一定时间周期实时采集在线生产数据对SSA‑DELM板凸度预测模型进行优化，获得SSA‑OS‑DELM板凸度预测模型。本方法从大量历史板凸度数据中充分提取信息，并通过在线实时数据迭代优化更新模型，从而实现可靠、实时的高准确度的板凸度预测，为产品板形的高精度控制提供了良好条件。