基于改进PCA-ELM方法的穿孔机导盘转速测量

被引:8
作者
肖冬 [1 ]
王继春 [1 ]
潘孝礼 [1 ,2 ]
毛志忠 [1 ]
常玉清 [1 ]
机构
[1] 东北大学信息科学与工程学院
[2] 上海宝钢股份有限公司
关键词
穿孔机; 导盘转速; 主成分分析; 极限学习机;
D O I
暂无
中图分类号
TP29-A3 [];
学科分类号
摘要
目前,国内许多钢铁生产企业为了提高无缝钢管的生产质量,都采用了加装狄赛尔导盘的斜轧穿孔机进行管坯穿孔.但是在斜轧穿孔过程中,由于客观条件限制,导盘转速无法通过直接测量的手段在线精确测得.通过软测量实现穿孔机导盘转速的在线精确测量,进而有效控制其转速,提高无缝钢管生产机组的生产效率,是解决问题的一个有效方法.针对导盘转速软测量建模中存在的问题,本文对极限学习机(ELM)方法提出了改进.一方面将极限学习机方法同主成分分析(PCA)方法相结合,通过对模型输入量进行主成分分析,去除了各变量之间的线性相关,最终提高了极限学习机算法的泛化性能;另一方面对极限学习机隐层节点进行分类,通过分类减少了极限学习机方法的训练时间和预报时间.最终得出了基于改进PCA-ELM方法的导盘转速软测量模型,并通过仿真实验证了其准确性和可应用性.
引用
收藏
页码:19 / 24
页数:6
相关论文
共 5 条
[1]   穿孔机最优导盘转速确定 [J].
潘孝礼 ;
肖冬 ;
毛志忠 ;
王福利 .
东北大学学报(自然科学版), 2007, (11) :1525-1528
[2]  
钢管塑性变形原理[M]. 冶金工业出版社 , 李连诗编著, 1985
[3]   Evaluation of PCA methods with improved fault isolation capabilities on a paper machine simulator [J].
Cheng, Hui ;
Nikus, Mats ;
Jamsa-Jounela, Sirkka-Liisa .
CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 2008, 92 (02) :186-199
[4]   Evolutionary extreme learning machine [J].
Zhu, QY ;
Qin, AK ;
Suganthan, PN ;
Huang, GB .
PATTERN RECOGNITION, 2005, 38 (10) :1759-1763
[5]   Non-linear projection to latent structures revisited (the neural network PLS algorithm) [J].
Baffi, G ;
Martin, EB ;
Morris, AJ .
COMPUTERS & CHEMICAL ENGINEERING, 1999, 23 (09) :1293-1307