采用IPSO-FNN的钢坯温度预测

摘要

为准确预测钢坯开轧温度提高轧制质量，提出一种基于改进粒子群算法（improve particle swarm optimization,IPSO）的模糊神经网络（fuzzy neural network, FNN）模型以预测钢坯开轧温度。首先，基于FNN构建钢坯开轧温度预测模型，并利用PSO算法对FNN的隶属度函数的中心值、宽度及网络的连接权值进行寻优。其次,针对PSO算法收敛速度慢、易陷入局部最优解等缺陷，引入circle混沌初始化、动态惯性权重和自适应学习因子，提升其全局搜索能力和收敛速度，并利用标准测试函数对改进后的算法进行性能测试实验。最后，利用现场采集的实际数据对IPSO-FNN预测模型进行训练和验证，并与FNN、PSO-FNN的预测效果进行对比分析。结果表明，IPSO-FNN预测模型具有更高的预测精度，能较好地对钢坯开轧温度实现准确预测。

关键词

加热炉 / 钢坯温度 / 粒子群算法 / 模糊神经网络

基金资助

国家重点研发计划（2020YFB2010100）; 国家科技项目备案（2021L3029）; 福建省科技重大专项（2022HZ026025）; 三明市引导性科技项目（2021-G-7,2023-G-2）; 三明市产学研协同创新项目（2022-G-13）; 福建省自然基金项目（2022J011181）