| 摘要: |
| 轧制力在铝热连轧中起着重要作用,针对热轧过程中的非线性、参数强耦合性等因素使得其难以建模的问题.本文提出一种具有拓扑结构自组织的极限学习机(Topology Self-Organizing Extreme learning machine, TSO-ELM)算法,解决了ELM的结构设计问题,实现了结构和参数的自组织.根据现场数据,使用TSO-ELM算法进行铝热连轧轧制力预测,结果表明该算法与人工蜂群算法优化反向传播神经网络(Artificial bee colony algorithm optimized Back-propagation neural network, ABC-BP)和增强型增量极限学习机(Enhanced random search based incremental extreme learning machine, EI-ELM)算法对比,其训练速度和精度都得到了一定的提高. |
| 关键词: 轧制力预测 极限学习机 结构自组织 自适应算法 |
| DOI： |
| 分类号:TP273 |
| 基金项目:国家自然科学基金资助项目(61702185); 河南省高等学校青年骨干教师培养计划项目资助(2017GGJS270); 河南省高等学校重点科研项目计划（19B520014） |
|
|
|
|
| Abstract: |
|
| Key words: |
