基于模拟退火-粒子群算法优化支持向量机参数的连铸漏钢预报

针对连铸漏钢预报神经网络模型在小样本训练数据情况下难以获得较高预报准确率的问题,提出了一种基于模拟退火-粒子群(SA-PSO)算法优化支持向量机(SVM)参数的连铸漏钢预报算法。将粒子群优化算法引入支持向量机的训练过程中,利用其调整参数少、寻优速度快的优点,有效地提高了漏钢预报模型的寻优速度;利用模拟退火算法对粒子群算法迭代更新后粒子的新位置加以评价,来决定新位置是否被接受,避免了粒子群算法在迭代寻优过程中陷入局部极值的问题。结合某钢厂连铸现场历史数据对提出的连铸漏钢预报算法进行了测试,测试结果表明,所提算法的连铸漏钢预报准确率可达98.8%。

连铸粘连漏钢预报系统的应用研究

就连铸粘连漏钢预报系统误报率和漏报率较高的问题,简述了系统工作原理,分析了表面、粘连和角部三种报警类型;从上部探头的温升、温升幅度、温度下降值,以及断口的扩散与温度传递速度四方面提出了系统的工业应用分析和改进;分析了改进后的效果并做出进一步的应用研究。