[发明专利]一种基于改进型偏鲁棒M回归算法的热轧带钢厚度预测方法

权利要求书

1.一种基于改进型偏鲁棒M回归算法的热轧带钢厚度预测方法，其特征在于它包括如下步骤：

步骤一：监测7台精轧机的工作数据获得观测变量(x_i,y_i)，并根据观测变量(x_i,y_i)定义输入数据矩阵X和输出数据矩阵Y，计算鲁棒加权因子初值ω_i；

所述精轧机的工作数据包括每台精轧机的工作轧辊平均间距，每台精轧机总压力，每台精轧机工作轧辊卷曲力；

步骤二：对观测变量(x_i,y_i)进行加权处理获得预测数据并对预测数据进行偏最小二乘分析，获得预测数据的偏最小二乘模型并计算第一次偏最小二乘回归模型和回归系数B；

步骤三：根据步骤二获得的偏最小二乘回归模型和回归系数B，计算更新后的鲁棒加权因子ω_i；

步骤四：根据更新后的鲁棒加权因子ω_i计算第k次的偏最小二乘回归模型和第k次的回归系数B，其中k≥2；

步骤五：判断第k次回归系数B和第k-1次的回归系数B的估计误差是否小于设定阈值，若小于则进入步骤六，若不小于则更新鲁棒加权因子ω_i并返回步骤四；

步骤六：获取回归系数B并确定偏最小二乘回归模型即为热轧带钢厚度预测结果。

2.根据权利要求1所述的一种基于改进型偏鲁棒M回归算法的热轧带钢厚度预测方法，其特征在于所述步骤一：监测7台精轧机的工作数据获得观测变量(x_i,y_i)，并根据观测变量(x_i,y_i)定义输入数据矩阵X和输出数据矩阵Y，计算鲁棒加权因子初值ω_i的过程为：

7台精轧机的工作数据获得观测变量(x_i,y_i)，其中：

x_i为输入数据X的第i个行向量，x_i1,...,x_i7分别为每台精轧机的工作轧辊平均间距，x_i8,...,x_i14分别为每台精轧机总压力，x_i15,...,x_i21分别为每台精轧机工作轧辊卷曲力；y_i为最终出口热轧带钢厚度；

根据输入数据X与输出数据Y，分别计算输入数据X的总平方损失中心和输出数据Y的总平方损失中心

e‾(X)=Σi=1nkinputixi]]>

e‾(Y)=Σi=1nkoutputiyi]]>

其中，n为样本总量：

kinputi=11+4xi2/Σj=1n11+4xj2]]>

koutputi=11+4yi2/Σj=1n11+4yj2]]>

根据输入观测量x_i和输入数据X的总平方损失中心分别计算每个输入观测量x_i与输入数据的总平方损失中心的总平方损失距离：

di=[xi-e‾(X)]21+4[e‾(X)]2]]>

根据输出数据y_i和输出数据Y的总平方损失中心分别计算每个输出观测量y_i与输出数据总平方损失中心的差值残差r_i：

ri=yi-e‾(Y)]]>

计算残差r_i的总平方损失中心

e‾(r)=Σi=1nkriri]]>

其中：

kri=11+4ri2/Σj=1n11+4rj2]]>

分别计算鲁棒杠杆点加权因子初值和鲁棒残余点加权因子初值

ωix=f(die‾i(di),c)]]>

ωir=f(ri-e‾(r)e‾i(|ri-e‾(r)|),c)]]>

其中公式右侧为Fair函数f(z,c)，表达式为：

f(z,c)=11+|zc|2]]>

其中c为调整常数，取c=4；

根据鲁棒残余点加权因子初值和鲁棒杠杆点加权因子初值计算鲁棒加权因子初值ω_i：

ωi=ωirωix.]]>