摘要：针对热轧带钢的厚度数学模型耦合性强、精度低等问题，提出了一种带钢在线厚度预测算法。首先使用轧制数据，利用轻量级的梯度提升机（ｌｉｇｈｔｇｒａｄｉｅｎｔｂｏｏｓｔｉｎｇｍａｃｈｉｎｅ，ＬｉｇｈｔＧＢＭ）算法建立在线厚度预测模型；然后采用改进蝙蝠优化算法（ｉｍｐｒｏｖｅｄｂａｔａｌｇｏｒｉｔｈｍ，ＩＢＡ）改善ＬｉｇｈｔＧＢＭ的模型参数，并通过自学习系统优化结果；最后对比预测结果和真实厚度，验证预测模型准确性。实验结果表明，ＩＢＡ?ＬｉｇｈｔＧＢＭ模型能够快速高精度在线预测带钢厚度，在预测２ｍｍ、３ｍｍ、４ｍｍ和５．６５ｍｍ规格的带钢时，均方根误差ＥＲＭＳ（ｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ，ＲＭＳＥ）可以分别控制在１１．０μｍ、１１．５μｍ、１１．６μｍ和１６．４μｍ以内。结果可改善热轧带钢的厚度数学模型的精度，提高厚度控制系统的水平。 关键词：热轧；机器学习；轻量级的梯度提升机；改进蝙蝠优化算法；在线厚度预测 下载高清全文—基于IBA-LightGBM的热轧带钢在线厚度预测.pdf