摘要：热连轧粗轧生产过程中,为解决换规格后宽度设定精度低的难题,提出了一种蚁群优化算法协同深度极限学习机(ａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎｄｅｅｐｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ,ＡＣＯ-ＤＥＬＭ)的热连轧粗轧宽度预测方法.该方法将蚁群优化算法应用于ＤＥＬＭ网络中,以提高其预测精度和泛化能力.先利用数据预处理方法对原始数据进行异常值的剔除和数据归一化.然后,使用蚁群优化算法对ＤＥＬＭ的隐藏层节点数、迭代次数进行优化,在隐藏层节点数达到９５个、迭代次数为４８０次时,ＤＥＬＭ模型的预测性能最佳,其在预测不同规格带钢平均宽度时,决定系数Ｒ２达到０.９９８９,９７.９８％的样本点预测误差分布在－７~７ｍｍ.应用结果表明,与传统的深度极限学习机(ＤＥＬＭ)、卷积神经网络(ＣＮＮ)等模型相比,ＡＣＯ-ＤＥＬＭ模型在预测精度和泛化能力上有明显的提升,可有效应用于热轧带钢的平均宽度预测。 关键词：热连轧;蚁群优化算法;深度极限学习机;宽度预测 下载高清全文—蚁群优化算法协同深度极限学习机的热连轧宽度预测模型.pdf