[发明专利]改进鲸鱼优化最小二乘支持向量机的带钢厚度预测方法

说明书

一种改进鲸鱼算法优化最小二乘支持向量机带钢厚度预测方法，包括以下步骤：1)分析采集的钢板数据信号；2)特征提取；3)数据归一化处理；4)带钢厚度预测。发明一种改进鲸鱼算法优化最小二乘支持向量机带钢厚度预测方法，通过使用改进的鲸鱼法优化最小二乘支持向量机的正则化参数γ和核函数宽度σ，从而提高最小二乘支持向量机性能。本发明使用的数据是来源于国内某钢厂的热连轧板带材实际生产数据。在带钢厚度预测模型构建模块中，训练中的样本集采用预处理后的特征向量并运用经改进鲸鱼算法优化的LSSVM方法训练带钢厚度预测模型。本发明通过上述步骤，提供了一种的预测误差小、预测精度高、鲁棒性好的带钢厚度预测方法。

技术领域

本发明涉及一种用于预测带钢出口厚度的方法，是一种改进鲸鱼算法优化最小二乘支持向量机的带钢厚度预测方法。

背景技术

带钢厚度在轧制过程中占据着重要的地位，带钢厚度的精度已经成为衡量钢板成品质量的重要指标。但是在实际的轧制过程中，带钢出口厚度有众多的影响因素包括轧制力、轧制速度、辊缝宽度、轧件温度等，以上因素大多相互耦合并且存在严重的非线性，而且某些因素难以测量。目前，传统的带钢厚度预测主要通过数学模型，但是在建立的数学模型中，不能完整考虑所有因素甚至会直接漏掉一些影响因素，所以预测误差较大。近年来，由于传统方法不能达到实际的需求，神经网络被普遍应用于轧钢的预测中，灵活运用人工智能技术已然成为各行各业里研究学者的一个重要研究方向。

发明内容

本发明的目的是提供一种改进鲸鱼算法优化最小二乘支持向量机的带钢厚度预测方法。

为了实现上述目的，本发明创造采用的技术方案为：一种改进鲸鱼算法优化最小二乘支持向量机的带钢厚度预测方法，其步骤为：

4.一种改进鲸鱼算法优化最小二乘支持向量机的带钢厚度预测方法，其特征在于，其步骤为：

1)分析采集的钢板数据信号；

2)特征提取：用互信息法计算带钢出口厚度与影响因素的互信息值，选择对带钢厚度影响大的因素，完成特征提取；

3)数据归一化处理

4)带钢厚度预测：

对最小二乘支持向量机进行优化，利用IWOA-LSSVM方法训练带钢厚度预测模型，步骤为：

4.1)初始化鲸鱼群，并设置最大迭代次数；

4.2)判断是否达到最大迭代次数，如果达到最大迭代次数，输出最优解，算法结束，如果没有达到则执行步骤4.3)；

4.3)计算每个个体的适应度值，并记录最优值；

4.4)计算系数向量A、C以及收敛因子a的值；其中A、C的值运用原始鲸鱼算法的公式(3)和(4)进行计算：

A＝2a·r1-a (3)

C＝2·r2 (4)

其中r1和r2是[0，1]之间的随机数。

对a值的计算基于对传统鲸鱼算法的改进，传统鲸鱼优化算法中参数A对鲸鱼捕猎过程中不同阶段的全局搜索和局部搜索产生影响，当|A|≥1时增强鲸鱼个体全局搜索能力，当|A|＜1时增强鲸鱼个体局部寻优能力；原始的参数A采用线性收敛方式，由收敛因子a控制其大小，而参数a在[0，2]之间线性递减，使得a的变化具有局限性，改进后的公式为：

式中，t表示当前的迭代次数，Max_iter表示最大迭代次数；在迭代初期，也就是在A的绝对值处于大于1的状态时，a的值缓慢下降，这样有利于种群内个体进行全局搜索；随着迭代次数增加直到后期a的值以指数的形式迅速下降，这时A的绝对值处于小于1的状态，有利于种群内个体进行局部寻优；