申请/专利权人：东北大学

申请日：2024-02-07

公开（公告）日：2024-04-19

公开（公告）号：CN117724433B

主分类号：G05B19/418

分类号：G05B19/418

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明提供一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，涉及钢铁生产的智能化核心技术领域，采集冷轧过程数据和质量检测设备的K个通道的冷轧产品质量数据，构建原始数据集；对经过预处理后的原始数据集按照预定的比例进行划分，得到训练集，留出集和测试集；使用训练集用来训练基学习器；采用分布式框架为每个通道的冷轧产品质量数据构建多通道分布式深度集成模型；使用多通道分布式深度集成模型对测试集进行预测得到K个通道的冷轧产品质量预测值；基于预测结果制定不同的控制策略；根据控制策略采用猎豹优化算法对多机架控制参数进行前馈修正，实现对冷轧生产的控制。本方法预测速度快，控制精度高，提升了冷轧生产的控制精度。

主权项：1.一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，其特征在于，包括以下步骤：步骤1：采集冷轧过程数据和质量检测设备的K个通道的冷轧产品质量数据，并构建原始数据集；步骤2：对原始数据集进行数据预处理；步骤3：对经过预处理后的原始数据集按照预定的比例进行划分，得到训练集，留出集和测试集；步骤4：使用训练集训练基学习器；步骤4.1：选取极端随机树、多输出轻型梯度提升机和多输出类别型特征提升作为基学习器；步骤4.2：采用交叉验证法和贪婪搜索确定各个基学习器的超参数；步骤4.3：确定每个基学习器的超参数后，将各个基学习器依次拟合训练集，完成训练，得到3个基预测器；步骤5：采用分布式框架为每个通道的冷轧产品质量数据构建多通道分布式深度集成模型；步骤5.1：使用基预测器依次对留出集的样本进行预测，得到3组n行K列的留出集基预测质量值，其中n为留出集样本数，K为冷轧产品质量数据的通道数；步骤5.2：分别从每组留出集基预测质量值提取第1列，并将留出集中的冷轧产品质量数据提取第1列，然后将这4列数据进行横向堆叠，得到1个元数据集；步骤5.3：依序操作，直到提取完每组留出集基预测质量值和留出集中的冷轧产品质量数据的所有K列数据，共得到K个元数据集；步骤5.4：利用线性回归LinearRegression模型构建元学习器；步骤5.5：使用线性回归依次拟合K个元数据集，即通过元学习器拟合元数据集得到元预测器，共得到K个通道质量的元预测器，即多通道分布式深度集成模型，分别命名为第一元预测器、第二元预测器、……、第K元预测器；步骤6：使用多通道分布式深度集成模型对测试集进行预测得到K个通道的冷轧产品质量预测值；步骤6.1：使用训练好的基预测器依次对测试集的样本进行预测，得到3组S行K列的测试集基预测质量值，其中S为测试集样本数；步骤6.2：分别从每组测试集基预测质量值提取第1列，然后将3列数据进行横向堆叠，得到第一元预测集；依序操作，得到第二元预测集、第三元预测集、……、第K元预测集；步骤6.3：依次使用K个元预测器对对应的元预测集进行预测，得到K个S行1列的预测值，即每个通道的冷轧产品质量预测值；步骤6.4：将K个S行1列的预测板形值进行横向堆叠，得到多通道的冷轧产品质量预测值；步骤7：基于多通道分布式深度集成模型的预测结果，为不同的质量缺陷类型制定相应的控制策略，并根据制定好的控制策略，采用猎豹优化算法对多机架控制参数进行前馈修正，实现对冷轧生产的控制。

全文数据：

权利要求：

百度查询： 东北大学 基于多通道分布式深度集成预测的冷轧生产前馈控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD