ILGSSA-LSSVMに基づくビレット表面温度のソフトセンシング方法

継続的な鋳造ビレットの表面温度を測定することは困難です。その結果、ビレットの品質をさらに科学的に制御するための重要なフィードバックパラメーターが不足しています。このホワイトペーパーでは、ビレットの表面温度予測のための最小二乗サポートベクトルマシン（LSSVM）モデルを最適化するためのスズメ検索アルゴリズムを提案します。これは、ロジスティックカオスマッピングとゴールデンサインアルゴリズムによってさらに改善されます（ロジスティックゴールデンサインスパラスパロウ検索アルゴリズムLSSVM、短い名前ilgssa-lssvm）。改善されたロジスティックカオスマッピングとゴールデンサインアルゴリズムを使用して、最適な初期スズメの母集団を見つけます。ペナルティ係数[式：テキストを参照]およびカーネルパラメーター[式：テキストを参照] LSSVMの値が計算されます。最適なパラメーターの組み合わせを見つけるためにグローバル最適化方法が採用されているため、予測精度に対するランダムに初期化されたパラメーターのマイナスの影響が低下します。提案されているILGSSA-LSSVMソフトセンシングモデルは、それぞれ従来の最小二乗サポートベクターマシン、BPニューラルネットワーク、最適化された最適な最小二乗サポートベクターマシンと比較されます。実験では、ILGSA-LSSVMソフトセンシングモデルの最大誤差は3.85733°C、最小誤差は0.0174°C、平均誤差は0.05805°Cであり、一般に他の比較モデルよりも優れていることが示されています。

It is difficult to measure the surface temperature of continuous casting billet, which results in the lack of important feedback parameters for further scientific control of the billet quality. This paper proposes a sparrow search algorithm to optimize the Least Square Support Vector Machine (LSSVM) model for surface temperature prediction of the billet, which is further improved by Logistic Chaotic Mapping and Golden Sine Algorithm (Improve Logistic Golden Sine Sparrow Search Algorithm LSSVM, short name ILGSSA-LSSVM). Using the Improved Logistic Chaos Mapping and Golden Sine Algorithm to find the optimal initial sparrow population, the value of penalty factor [Formula: see text] and kernel parameter [Formula: see text] for LSSVM are calculated. Global optimization method is adopted to find the optimal parameter combination, so that the negative influence of randomly initializing parameters on the prediction accuracy would be reduced. Our proposed ILGSSA-LSSVM soft sensing model is compared respectively with traditional Least Square Support Vector Machine, BP neural network and Gray Wolf optimized Least Square Support Vector Machine, results show that proposed model outperformed the others. Experiments show that the maximum error of ILGSA-LSSVM soft sensing model is 3.85733 °C, minimum error is 0.0174 °C, average error is 0.05805 °C, and generally outperformed other comparison models.