[发明专利]一种基于数据驱动的板带钢变形抗力预测方法

权利要求书

1.一种基于数据驱动的板带钢变形抗力预测方法，其特征在于包括以下步骤：

步骤1、采集样本的输入数据，并根据公式计算样本的输出数据；

步骤2、对步骤1的样本数据进行预处理；

步骤3、构建预测变形抗力的GWO-SVR模型，并进行模型测试。

2.根据权利要求1所述的一种基于数据驱动的板带钢变形抗力预测方法，其特征在于：所述步骤1的具体操作为：

步骤1.1收集一定生产周期内板带钢来料的化学成分，并采集板带钢入口厚度、板带钢出口厚度、来料厚度、来料板带钢出口温度和卷取温度作为样本输入；

步骤1.2采集一定生产周期内生产线实际轧制力、轧辊半径、板带钢宽度、前张应力和后张应力，并结合板带钢入口厚度和板带钢出口厚度通过计算公式反算出板带钢轧制过程的变形抗力作为样本输出，计算公式为：

式中：P为轧制力，单位为kN；B为板带钢宽度，单位为m，由于冷轧件宽度和厚度差距很大，一般假设为平面变形，即无展宽；l_c为压扁后变形区接触弧长，单位为mm；Q_p为压扁后的外摩擦应力状态系数；K为变形抗力，单位为Mpa；τ_b为后张应力，单位为MPa；τ_f为前张应力；a_τ为后张应力的加权系数，一般取α_τ＝0.6。

3.根据权利要求1所述的一种基于数据驱动的板带钢变形抗力预测方法，其特征在于：所述步骤2的具体方法为：

步骤2.1针对样本数据的同一钢种某一维数据全部缺失的情况，采用删除缺失值的方法；

步骤2.2针对数据离群点，根据拉伊达准则，将与平均值偏差的绝对值大于3倍标准差的数据视为异常数据，予以剔除；

步骤2.3对样本数据进行归一化处理，计算公式如下：

式中，y_max默认为1，y_min默认为-1，x_max和x_min分别是数据集中的最大值和最小值，x为归一化处理前的值，y为归一化处理后的值，取值范围为[-1，1]；

步骤2.4将样本数据按照7：3的比例划分成训练集和测试集。

4.根据权利要求1所述的一种基于数据驱动的板带钢变形抗力预测方法，其特征在于：所述步骤3的具体方法为：

步骤3.1设置算法基本参数：灰狼种群规模N，最大迭代次数Max_iteration，灰狼位置坐标维度dim，每个灰狼个体的位置对应c和g的一个候选解，c和g的取值范围[lb，ub]，开始初始化灰狼种群；

步骤3.2将均方误差mse作为适应度函数，以灰狼个体的坐标维度作为待优化的参数c和g，代入到SVR训练模型中训练，计算灰狼个体的适应度值；

步骤3.3对适应度值进行排序，选取适应度最小的前三匹狼记录为α，β，δ，其对应位置分别为X_α，X_β，X_δ；

步骤3.4更新参数a、A和C，更新灰狼位置，对狼群进行移动，具体公式如下：

其中a为收敛因子，随着迭代次数从2线性减小到0，A和C是系数向量，r₁，r₂取[0，1]的随机数；

式(1)表示α，β，δ与其他灰狼之间的距离，X是当前候选灰狼的位置；

式(2)表示狼群在α，β，δ指导下进行的位置更新；

式(3)表示当前候选灰狼的最终位置；

步骤3.5判断是否满足迭代终止条件，满足则进行步骤3.6，否则返回步骤3.2；

步骤3.6输出α的位置坐标，得到SVR最优参数c和g，将训练样本代入模型进行训练；

步骤3.7将测试样本代入训练好的GWO-SVR模型中进行预测，评价模型的准确性。