[发明专利]提高钢坯定重切割精度的预测方法

权利要求书

1.一种提高钢坯定重切割精度的预测方法：

1)将每根钢坯作为一个窗口，提取钢坯平均拉速，对钢坯拉速数据进行模糊信息粒化处理，形成拉速数据信息子集；

2)采用三角型模糊粒子，将每5根钢坯数据变换为一个三角型模糊粒子，得到模糊粒子中的平均拉速变化的最小值Clow、平均拉速变化的平均值R和平均拉速变化的最大值Cup三个参数；

3)选择支持向量机SVM目标函数及高斯核函数，确定最佳参数：误差惩罚因子c及径向基核函数的参数g，建立支持向量机SVM模型；

4)将钢坯拉速粒化数据最小值Clow、平均值R和最大值Cup输入支持向量机SVM模型，对粒化数据进行回归预测，得到下一根将要切割的钢坯平均拉速预测值；

5)建立极限学习机钢坯定重预报神经网络模型，以钢坯截面积、钢坯平均拉速、钢坯定尺长度、下一根钢坯平均拉速预测值为输入向量，预测当前钢坯定重切割输出值。

2.如权利要求1所述的提高钢坯定重切割精度的预测方法，其特征是：钢坯长度的测量采用图像测量法，处理图像时采用傅里叶变换方法对原始图像进行频域滤波处理。

3.如权利要求1所述的提高钢坯定重切割精度的预测方法，其特征是：采用小生境粒子群算法对钢坯数据进行粒化处理。

4.如权利要求3所述的提高钢坯定重切割精度的预测方法，其特征是：小生境PSO算法操作步骤如下：

step1：初始化主粒子群搜索空间中的每个粒子的初始位置、速度；

step2：应用认知模式对主粒子群进行初始更新迭代，并对每个粒子的适应度值进行评价；

step3：以适应度值变化很小的微粒为核心，以该粒子与最近微粒之间的距离为半径形成小生境，作为一个微粒群；

step4：对每个子群，用相应算法训练、更新粒子适应度值及子群半径，并按规则合并子群；

step5：子群吸收符合条件的，飞入小生境微粒群的主群微粒；

step6：由设定的阈值，判断主群中是否有粒子满足划分小生境的标准。如找到符合标准的粒子，则以该粒子和它的邻域粒子为核心建立新的小生境。最后判断是否满足终止条件，否则转step2。