买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北大学

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。

主权项：1.一种在线自适应SSA-OS-DELM模型的板凸度预测方法，其特征在于，包括以下步骤：步骤1、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；步骤2、对采集的生产数据和实测凸度进行预处理；步骤3、使用预处理后的生产数据和实测凸度初始化DELM网络结构；步骤4、采用SSA算法对DELM网络优化，从而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；步骤5、按照一定的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更新优化，获得SSA-OS-DELM板凸度预测模型对板凸度进行预测；所述步骤4具体为：步骤4.1、初始化麻雀搜索算法中麻雀种群个数为pop，最大迭代次数为itermax，根据DELM网络的各ELM-AE自动编码器的输入隐藏层的权值和偏置确定麻雀的初始位置；步骤4.2、设置麻雀搜索算法中发现者数量为麻雀总量的20％，危险报警值设置范围为0，1，感知危险的麻雀数量占麻雀总量的20％；步骤4.3、确定麻雀搜索算法优化的目标函数Fintness，如下公式所示： 其中，β为DELM网络的输出权重，为最后一个ELM-AE自动编码器的输出矩阵，Y为实测凸度值； 步骤4.4、麻雀搜索算法通过不断更新发现者、加入者和感知到危险的麻雀的位置，最后得到各ELM-AE自动编码器的最优的隐藏层的输出矩阵；步骤4.5、根据各ELM-AE自动编码器的最优的隐藏层的输出矩阵重新计算DELM网络的最优输出权重β0，如下公式所示： 其中，β0为DELM网络的最优输出权重，为经过SSA算法优化后最后一个ELM-AE自动编码器的输出矩阵，Y为实测凸度值；所述步骤5具体为：步骤5.1、将新加入的实时在线数据重复步骤2.5进行数据初始化，得到M组实时标准化数据其中为实时采集的在线生产数据，为实时采集的实测凸度；步骤5.2、根据下式更新DELM网络的最优输出权重β0： 其中，k＝0,K,M-1；步骤5.3：获得SSA-OS-DELM板凸度预测模型对板凸度进行预测。

全文数据：

权利要求：

百度查询： 东北大学 一种在线自适应SSA-OS-DELM模型的板凸度预测方法