基于万有引力优化的支持向量机模型在板形识别中的应用

牛培峰^1,2，李鹏飞^1,2，李国强^1,2，马云飞^1,2

1. 燕山大学工业计算机控制工程河北省重点实验室2. 国家冷轧板带装备及工艺工程技术研究中心

摘 要：针对目前板形模式识别模型泛化能力不高、训练速度慢等缺陷,以1次、2次、3次、4次勒让德正交多项式为板形缺陷基本模式,提出了由支持向量回归机（SVR）构建的模式识别模型;为了提高该模型的精确度,引入万有引力算法（GSA）优化SVR的参数,由此构成GSA-SVR预测模型。仿真试验结果表明:GSA-SVR模型不仅识别结果精度高,而且与PSO-BP神经网络模型相比泛化能力更强,训练速度更快,其识别结果可以为板形控制提供有效的依据。

关键词：板形;模式识别;勒让德多项式;万有引力算法;支持向量回归机;