来源：期刊VIP网 时间：
作者：李嘉林;高杰;丁敬国;
单位：东北大学材料科学与工程学院;东北大学轧制技术及连轧自动化国家重点实验室;
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(ant colony optimization deep extreme learning machine, 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R~2达到0.998 9,97.98%的样本点预测误差分布在-7～7 mm.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
基金资助：2022年辽宁省大学生创新创业训练计划项目(S202210145215); 国家自然科学基金联合基金重点项目(U21A20475)
