期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ACPSO优化SVR的棒材连轧轧制力预测研究
被引量:
7
1
作者
吴东升
王大志
+1 位作者
杨青
王安娜
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2012年第11期2579-2585,共7页
针对钛合金棒材热连轧轧制力的精确预测问题,提出了一种基于加速收敛的粒子群(accelerate convergence particle swarm optimization,ACPSO)优化支持向量回归(support vector regression,SVR)的预测算法。该算法首先通过使粒子在每次速...
针对钛合金棒材热连轧轧制力的精确预测问题,提出了一种基于加速收敛的粒子群(accelerate convergence particle swarm optimization,ACPSO)优化支持向量回归(support vector regression,SVR)的预测算法。该算法首先通过使粒子在每次速度迭代过程中偏离速度迭代一个小角度,在位置迭代过程中偏离迭代位置一小步,改善了粒子群算法的收敛性及收敛速度,再通过ACPSO算法实现对支持向量回归机的参数ε、c、γ的同时寻优,从而使ACPSO-SVR模型具有较高的预测精度和泛化能力。通过仿真实验和实际数据的比对,验证了方法的有效性。实验结果表明,ACPSO-SVR算法能够有效、快速地实现轧制力的精确预测,在预测速度和适应性方面,优于基于PSO-SVR(particle swarm optimization-support vector regression)的预测算法;在预测精度等方面,该算法优于BPNN(back propagation neural network)、SVR、PSO-SVR等算法,平均误差率从BP神经网络的±9%降到±4%以内。
展开更多
关键词
棒材热连轧
轧制力预测
支持向量回归
加速收敛粒子群优化
下载PDF
职称材料
题名
基于ACPSO优化SVR的棒材连轧轧制力预测研究
被引量:
7
1
作者
吴东升
王大志
杨青
王安娜
机构
长春理工大学光电工程学院
沈阳理工大学信息科学与工程学院
东北大学信息科学与工程学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2012年第11期2579-2585,共7页
基金
国家自然科学基金(61050006)资助项目
文摘
针对钛合金棒材热连轧轧制力的精确预测问题,提出了一种基于加速收敛的粒子群(accelerate convergence particle swarm optimization,ACPSO)优化支持向量回归(support vector regression,SVR)的预测算法。该算法首先通过使粒子在每次速度迭代过程中偏离速度迭代一个小角度,在位置迭代过程中偏离迭代位置一小步,改善了粒子群算法的收敛性及收敛速度,再通过ACPSO算法实现对支持向量回归机的参数ε、c、γ的同时寻优,从而使ACPSO-SVR模型具有较高的预测精度和泛化能力。通过仿真实验和实际数据的比对,验证了方法的有效性。实验结果表明,ACPSO-SVR算法能够有效、快速地实现轧制力的精确预测,在预测速度和适应性方面,优于基于PSO-SVR(particle swarm optimization-support vector regression)的预测算法;在预测精度等方面,该算法优于BPNN(back propagation neural network)、SVR、PSO-SVR等算法,平均误差率从BP神经网络的±9%降到±4%以内。
关键词
棒材热连轧
轧制力预测
支持向量回归
加速收敛粒子群优化
Keywords
bar hot rolling
rolling force prediction
support vector regression (SVR)
accelerate convergence particle swarm optimization (ACPSO)
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
TH73 [机械工程—精密仪器及机械]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ACPSO优化SVR的棒材连轧轧制力预测研究
吴东升
王大志
杨青
王安娜
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2012
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部