来源：期刊VIP网 时间：
作者：杨磊;张明明;王国强;
单位：新乡职业技术学院数控技术学院;河南理工大学机械工程学院;洛阳市华冠齿轮股份有限公司;
摘要：选择国内某2250mm规格尺寸的热连轧精轧产线进行测试，结合主成分分析（Principal Component Analysis,PCA）和随机森林（Random Forests,RF）方法构建了一种PCA-RF算法来实现热连轧精轧板带宽度预测。把特征选择数据集分成训练与测试集，利用网格搜寻获得最优模型。运用在线检测的方法完成可行性验证，结合MSE、MAPE与拟合决定系数对预测精度进行估计。研究结果表明：主成分数为8下，对应特征值达到1.55，已经超过1，达到85.4%的累计方差贡献率。PCA-RF模型预测误差介于（-10～10）mm之间，达到较低误差。PCA-RF模型达到更高预测精度，表现出更优预测性能。每个道次的样本点R-squared介于（0.999～1），推断模型达到了较高的精度，大幅降低预测偏差，能够满足实时高精度预测带钢尺寸的要求。该研究适用于同类型的板带轧制领域，具有很好应用推广价值。
关键词：热连轧精轧;;主成分分析;;特征选择;;宽度预测;;随机森林算法
基金资助：河南省高等学校重点科研项目(19B4600004)
