基于鲸鱼算法优化BP神经网络的结晶器液面波动的预测 |
| |
引用本文: | 徐猛,刘娟娟,雷洪,李强,张秀香.基于鲸鱼算法优化BP神经网络的结晶器液面波动的预测[J].冶金自动化,2023(2):66-72. |
| |
作者姓名: | 徐猛 刘娟娟 雷洪 李强 张秀香 |
| |
作者单位: | 1. 东北大学材料电磁过程研究教育部重点实验室;2. 东北大学冶金学院;3. 本钢板材股份有限公司 |
| |
基金项目: | 国家自然科学基金联合基金项目(U1460108); |
| |
摘 要: | 在连铸过程中,结晶器液面波动是限制连铸速度和铸坯质量的关键参数之一,因此,液面波动行为的准确预测一直是冶金学者的研究重点。基于此,本文利用Python对结晶器液面波动的振幅值进行预测。首先,选取中间包的质量、塞棒的位置、拉力和结晶器振动作为模型的输入,对数据快速傅里叶变换和归一化处理。然后,构建4×3×1的反向传播(back propagation, BP)神经网络模型,并利用鲸鱼算法(whale optimization algorithm, WOA)对初始权值和阈值优化。通过训练预测,相比BP神经网络,WOA-BP神经网络能较好地对结晶器液面波动进行预测,且预测值与结晶器液面波动振幅吻合较好,拟合决定系数(R2)为0.841 4;当振幅偏差为±0.02时,命中率可达到91%。
|
关 键 词: | BP神经网络 连铸 结晶器 液面波动 鲸鱼算法 |
|
|