摘要：为了提高热连轧板带轧制力预测的精度，针对影响轧制力因素之间的复杂关系，建立了基于粒子群算法（ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）优化极限学习机（ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ，ＥＬＭ）的轧制力预测模型，进一步提高预测精度。首先，利用ＰＳＯ全局搜索最优解和ＥＬＭ处理大量非线性关系数据的特点，建立了ＰＳＯ?ＥＬＭ轧制力预测模型；其次，将ＰＳＯ?ＥＬＭ模型与传统轧制力模型、反向神经网络（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ，ＢＰ）、未经优化的ＥＬＭ神经网络进行对比。结果表明，ＰＳＯ?ＥＬＭ与其他网络相比在轧制力预测的准确度上更高、稳定性上更强，具有较强的拟合能力，该方法在实际应用中具有很大潜力。关键词：板带热连轧；轧制力预测；粒子群优化；极限学习机；神经网络 下载高清全文——基于粒子群优化极限学习机的轧制力预测.pdf