[发明专利]一种轧制过程弯辊力的预测方法

权利要求书

1.一种轧制过程弯辊力预测方法，其特征在于：包括以下步骤：

步骤1：分层别采集轧制生产过程中的m块带钢生产数据，每一块带钢包含有p个与弯辊力设定相关的轧制参数，将每一块带钢用一个p维向量进行表示；

步骤2：采用统计学3σ原则对各层别的生产数据进行降噪处理，处理后得到N块带钢样本数据；

步骤3：将降噪后的含有N块带钢生产数据的样本集在保持不同层别带钢数据分布均匀性的前提下，按个数比4:1划分为训练集和测试集两个集合；

步骤4：将降噪后训练集所包含的各层别的生产数据构成观测值矩阵，并对观测值矩阵进行标准化变换获得训练集样本数据的标准化矩阵；

步骤5：将标准化矩阵作为广义回归神经网络模型的输入，采用果蝇优化算法对广义回归神经网络模型的光滑因子参数σ′进行优化；

步骤6：采用优化获得的最优光滑因子参数σ′构造基于广义回归神经网络的弯辊力数据驱动预测模型；

步骤7：用训练集样本数据训练广义回归神经网络弯辊力数据驱动预测模型，用测试集样本数据测试广义回归神经网络弯辊力数据驱动预测模型的泛化性能；

步骤8：评价基于广义回归神经网络弯辊力数据驱动预测模型的整体性能。

2.根据权利要求1所述的一种轧制过程弯辊力预测方法，其特征在于：所述层别按照钢种、终轧带钢宽度和终轧带钢厚度进行划分。

3.根据权利要求2所述的一种轧制过程弯辊力预测方法，其特征在于：所述步骤4将降噪后训练集所包含的各层别的生产数据构成观测值矩阵，并对观测值矩阵进行标准化变换获得训练集样本数据的标准化矩阵的具体方法是：把每一块带钢的生产数据看成一个p维向量，X＝(X₁,X₂,…,X_p)，X为输入变量的观测值矩阵，p代表与弯辊力设定相关的轧制参数的个数，n代表训练集样本个数，观测值矩阵表示为：

输出变量的生产数据Y的观测值矩阵表示为：

经标准化变换后获得标准化矩阵表示为：

标准化的公式为：

其中，max(a_i)和min(a_i)分别代表各个参数的最大值和最小值；公式(5)代表区间[0,1]标准化，公式(6)代表区间[-1,1]标准化。