学位论文 > 优秀研究生学位论文题录展示

基于SVM的薄板坯连铸漏钢预报系统研究

作　者: 尹少峰
导　师: 李强
学　校: 燕山大学
专　业: 机械设计及理论
关键词: 漏钢预报 SVM 遗传算法粒子群算法主成分分析法
分类号: TF777
类　型: 硕士论文
年　份: 2013年
下　载: 3次
引　用: 0次
阅　读: 论文下载

内容摘要

漏钢是连铸生产过程中的严重事故，不仅会造成财产损失，而且有可能会危及人员安全。开发实时有效的漏钢预报系统，对可能发生漏钢的特征进行识别、预警是防止漏钢事故发生的主要手段。现阶段国内的漏钢预报技术尚不成熟，对漏钢的形成原因和机理研究不够深入，资料和数据缺乏，使得现有的漏钢预报系统存在不同程度误报。研究高精度的漏钢预报算法，提高预报准确率，降低误报率成为漏钢预报系统研究的重点。本文利用某钢厂CSP薄板坯连铸生产线的历史数据，将SVM算法应用到漏钢预报系统中。主要工作如下：分析了板坯连铸过程中的主要漏钢形式及其粘结漏钢的形成机理，找出了粘结发生过程中热电偶所采集的典型温度数据特征以及温度模式在空间里的传播规律。为了给粘结漏钢温度特征的识别提供更为准确的数据，提高漏钢预报系统的准确性。对热电偶所采集的温度数据信号中所包含的噪声进行了降噪处理；并将PCA主成分分析方法引入到漏钢预报系统中，减少噪声数据，去除了冗余信息，降低了模型复杂度，为粘结漏钢温度数据特征的识别提供了更为准确的数据。在分析了粘结漏钢形成过程的基础上，建立了基于SVM支持向量机的漏钢预报系统模型，并应用GA遗传算法、PSO粒子群算法及GS网格搜索法,给出了SVM模型算法参数的合理选择方法，分别构建了基于SVM算法的GA-SVM、PSO-SVM和GS-SVM漏钢预报系统模型，利用现场所采集的热电偶温度数据对这三种漏钢预报系统模型分别进行了训练和测试，并将测试结果进行了分析与对比。最后，使用Visual C++语言开发了板坯连铸漏钢预报系统的可视化界面，为以后开发在线漏钢预报系统提供借鉴。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-17
  1.1 薄板坯连铸的特点  10-12
  1.2 漏钢预报系统发展现状  12-13
  1.3 漏钢预报的研究意义  13
  1.4 漏钢预报的主要方法  13-15
  1.5 本文研究的主要内容  15-17
第2章漏钢预报系统的组成  17-25
  2.1 温度测量系统  17-18
  2.2 温度采集系统  18-19
  2.3 模式识别的算法模型  19-24
    2.3.1 单个热电偶的温度模式识别  19-20
    2.3.2 相邻热电偶的组合判别  20-24
  2.4 PLC 基础控制程序  24
  2.5 本章小结  24-25
第3章基于 SVM 的漏钢预报模型  25-55
  3.1 SVM 算法基本原理  25-30
  3.2 基于 SVM 的漏钢预报算法模型  30
  3.3 SVM 模型训练样本数据  30-32
  3.4 数据预处理  32-34
    3.4.1 不良数据的处理  32
    3.4.3 数据的 PCA 降维  32-34
  3.5 SVM 分类器的类型及核函数选择  34-35
  3.6 SVM 分类模型的参数优化  35-43
    3.6.1 GS-SVM 模型  36-37
    3.6.2 GA-SVM 模型  37-41
    3.6.3 PSO-SVM 模型  41-43
  3.7 SVM 预报模型的测试  43-44
  3.8 热电偶的组合判别  44-54
    3.8.1 BP 网络原理  44-49
    3.8.2 BP 神经网络的使用  49-50
    3.8.3 LM-BP 神经网络  50-54
  3.9 本章小结  54-55
第4章漏钢预报系统可视化  55-61
  4.1 Visual C++集成开发环境概述  55
  4.2 薄板坯连铸可视化预报系统的功能  55-56
  4.3 薄板坯连铸可视化漏钢预报系统的结构  56
  4.4 薄板坯连铸可视化漏钢预报系统 SVM 模块  56-60
  4.5 本章小结  60-61
结论  61-63
参考文献  63-67
攻读硕士学位期间承担的科研任务与主要成果  67-68
致谢  68-69
作者简介  69

基于SVM的薄板坯连铸漏钢预报系统研究

内容摘要

全文目录

相似论文