基于数据驱动的热连轧终轧温度预测

终轧温度是热连轧生产过程中主要控制的工艺参数,是确保带钢质量的重要前提。带钢在精轧阶段经历复杂的换热过程,现场采用的半机理模型很难提高预测精度。针对此问题,从数据驱动角度出发,建立一种基于多策略改进鲸鱼优化算法(IWOA)与极限学习机(ELM)相结合的终轧温度预测模型。融入柯西变异提升鲸鱼算法跳出局部最优的能力;借助余弦控制因子平衡鲸鱼算法全局搜索与局部开发能力;引入翻身觅食策略降低鲸鱼算法陷入局部最优的概率和提升算法的收敛速度。实验结果表明:建立的IWOA-ELM终轧温度预测模型在预报精度方面优势明显,预测终轧温度在±6℃以内的命中率为94%,具有广阔的应用前景。