一種基于d_s證據(jù)理論信息重構(gòu)的熱連軋板厚預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于D_s信息重構(gòu)的熱連軸板厚預(yù)測方法，主要應(yīng)用于熱連軸板 厚預(yù)測和控制技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 帶鋼厚度預(yù)測行為因為其復(fù)雜，波動，并且非線性的本質(zhì)已經(jīng)成為一個具有挑戰(zhàn) 性的任務(wù)。目前預(yù)測方法主要分為兩大類：
[0003] (1)根據(jù)基本原理預(yù)測；識別影響厚度的主要因素，決定每個因素對厚度波動會 產(chǎn)生怎樣的影響，最后建立因果模型，如回歸模型。該種方法需要考慮大量因素，建立和理 解因素之間的關(guān)系比較困難；
[0004] (2)選用時間序列模型，未來厚度行為可W從自身的歷史數(shù)據(jù)推理得到。該些模型 大多使用在當數(shù)據(jù)表現(xiàn)為某種系統(tǒng)模式，如自相關(guān)。
[0005] 實際的熱連軸板厚輸出變量是非常復(fù)雜的，由于受到軸制力，軸制速度，電機功 率，溫度，漉縫，漉縫偏差等參數(shù)的影響，建立板厚變量的機理模型是非常困難的。因此，本 發(fā)明利用歷史數(shù)據(jù)構(gòu)建時間序列預(yù)測模型實現(xiàn)熱連軸板厚預(yù)測。高精確和穩(wěn)定的板厚預(yù)測 是研究追求的最終目標，為了改善單一預(yù)測模型的預(yù)測精度，大量學(xué)者采用信息融合的方 法，如化i Xiao等人采用D_S證據(jù)理論提高了預(yù)測精度，然而D_S證據(jù)理論在應(yīng)用中存在大 量問題，如基本概率分配函數(shù)炬PA)的確定問題，BPA函數(shù)的選擇直接影響著預(yù)測的精度。

【發(fā)明內(nèi)容】

[0006] 為了解決上述存在的技術(shù)問題，本發(fā)明提供一種基于D_s信息重構(gòu)的熱連軸板厚 預(yù)測方法，具體是做法是：將其作為單一預(yù)測模型實現(xiàn)板厚的初步預(yù)測，并從信息重構(gòu)的思 想出發(fā)，利用D_S證據(jù)理論重構(gòu)初始預(yù)測結(jié)果W獲得更高的預(yù)測精度。針對在D_S證據(jù)理 論中存在的BPA函數(shù)確定問題，本發(fā)明基于灰色關(guān)聯(lián)度思想提出了貢獻率函數(shù)的概念并將 其作為BPA函數(shù)，從而實現(xiàn)了 BPA函數(shù)的客觀選取，并且實驗結(jié)果表明，該種信息重構(gòu)預(yù)測 模型能夠有效地改善熱連軸板厚預(yù)測精度。
[0007] 本發(fā)明的目的是通過下述技術(shù)方案實現(xiàn)的：
[000引一種基于D_S證據(jù)理論信息重構(gòu)的熱連軸板厚預(yù)測方法，其特征在于步驟如下：
[0009] (1)信號采樣；對運行狀態(tài)的熱連軸機組進行監(jiān)聽，并獲得計算機可處理的數(shù)字 信號；
[0010] (2)數(shù)據(jù)分析；采用數(shù)據(jù)分析軟件對采樣信號進行分析，確定實驗數(shù)據(jù)及針對板 厚的敏感參數(shù)；
[0011] (3)進行初步板厚預(yù)測；選擇敏感參數(shù)分別應(yīng)用最小二乘多項式曲線擬合方法獲 得多個初步預(yù)測結(jié)果；
[0012] 具體為：在軸制生產(chǎn)過程中采集的數(shù)據(jù)包括每個機架的軸制力，速度，電機功率， 溫度，漉縫，漉縫偏差，對采集的各項參數(shù)數(shù)據(jù)進行靈敏度分析：將采集到的參數(shù)序列分別 與板厚序列作對比分析，選擇出與板厚關(guān)聯(lián)度最大的=個參數(shù)序列，記為Xi，X,和X 3;再將 Xi，X2和X3分別代入公式（1)，運用最小二乘原理獲得公式（1)中多項式的最佳系數(shù)，即W 公式（2)結(jié)果最小為原則獲得公式（1)中多項式系數(shù)，從而獲得分別由S個參數(shù)序列擬合 得到的S個板厚的初步預(yù)測結(jié)果yi，它是由p(Xi)構(gòu)成的時間序列；
[001 引
【主權(quán)項】
1. 一種基于D_s證據(jù)理論信息重構(gòu)的熱連軋板厚預(yù)測方法，其特征在于，步驟如下： (1) 信號采樣：對運行狀態(tài)的熱連軋機組進行監(jiān)聽，并獲得計算機可處理的數(shù)字信號； (2) 數(shù)據(jù)分析：采用數(shù)據(jù)分析軟件對采樣信號進行分析，確定實驗數(shù)據(jù)及針對板厚的 敏感參數(shù)； (3) 進行初步板厚預(yù)測：選擇敏感參數(shù)分別應(yīng)用最小二乘多項式曲線擬合方法獲得多 個初步預(yù)測結(jié)果； 具體為：在軋制生產(chǎn)過程中采集的數(shù)據(jù)包括每個機架的軋制力，速度，電機功率，溫度， 輥縫，輥縫偏差，對采集的各項參數(shù)數(shù)據(jù)進行靈敏度分析：將采集到的參數(shù)序列分別與板 厚序列作對比分析，選擇出與板厚關(guān)聯(lián)度最大的三個參數(shù)序列，記為X 1, &和X 3;再將X P X2 和X3分別代入公式（1)，運用最小二乘原理獲得公式（1)中多項式的最佳系數(shù)，即以公式 (2)結(jié)果最小為原則獲得公式（1)中多項式系數(shù)，從而獲得分別由三個參數(shù)序列擬合得到 的三個板厚的初步預(yù)測結(jié)果 yi，它是由P(Xi)構(gòu)成的時間序列；
其中X是Xi時間序列的數(shù)據(jù)點；
其中，Zi為板厚的實際值； (4) 根據(jù)公式（3)計算三個敏感參數(shù)對板厚的貢獻率
其中，Ci是第i個敏感參數(shù)對板厚的貢獻率，r 1是由灰色關(guān)聯(lián)度計算得到的第i個敏 感參數(shù)對板厚的關(guān)聯(lián)度，R = !^+IVkT3 ; (5) 將貢獻率函數(shù)作為D_S證據(jù)理論中的基本概率分配（BPA)函數(shù)，獲得三個單一預(yù)測 模型權(quán)重：
對于A辛Φ，η規(guī)則合成的最大函數(shù)如公式（5)所示：
基于灰色關(guān)聯(lián)度，根據(jù)公式（1)計算得到三個敏感參數(shù)對板厚預(yù)測的貢獻率，并將其 作為D_S證據(jù)理論中的基本概率分配函數(shù)，即函數(shù)叫(A)由函數(shù)Ci替換，其中，
；公 式（5)作為D_S融合規(guī)則進行信息重構(gòu)，獲得三個單一板厚預(yù)測模型權(quán)重ω i，i = 1，2, 3 ; (6)根據(jù)步驟（5)獲得的信息重構(gòu)權(quán)重，按照公式（7)計算得到板厚的最后預(yù)測結(jié)果：
其中，i是初始預(yù)測結(jié)果索引，ω i是初始預(yù)測結(jié)果的權(quán)重，y i是分別由三個敏感參數(shù)經(jīng) 過最小二乘多項式擬合得到的三個板厚的初步預(yù)測結(jié)果，其中，i = 1，2, 3。
【專利摘要】一種基于D_S證據(jù)理論信息重構(gòu)的熱連軋板厚預(yù)測方法,主要通過三個步驟來實現(xiàn)板厚的預(yù)測。首先，采用數(shù)據(jù)分析軟件分析熱連軋的運行周期，并找到針對板厚的三個敏感參數(shù)，分別將每個參數(shù)應(yīng)用最小二乘多項式曲線擬合方法獲得各個敏感參數(shù)下的三個初步板厚預(yù)測結(jié)果。然后，應(yīng)用D_S證據(jù)理論重構(gòu)不同參數(shù)下的預(yù)測結(jié)果，獲得板厚的分布情況。在D_S證據(jù)理論中基本概率分配(BPA)函數(shù)具有重要的作用，本發(fā)明基于灰色關(guān)聯(lián)度提出貢獻率函數(shù)，并將其作為BPA函數(shù)，從而實現(xiàn)了BPA函數(shù)的客觀選取。最后，從訓(xùn)練得到的分布情況，獲得板厚的未來趨勢。
【IPC分類】G06Q10-04
【公開號】CN104537449
【申請?zhí)枴緾N201510036502
【發(fā)明人】張利, 孫麗杰, 朱俊飛
【申請人】遼寧大學(xué)
【公開日】2015年4月22日
【申請日】2015年1月23日