基于集成学习的连退带钢质量在线预报方法
来源期刊:控制工程2017年第3期
论文作者:王显鹏 黄灿明 徐子睿 王丹敬
文章页码:481 - 486
关键词:连续退火;质量在线预报;集成学习;最小二乘支持向量机;
摘 要:钢铁企业连续退火生产过程由于工艺复杂并且包含众多相互影响的过程变量,导致带钢产品质量波动较大,难以进行在线测量。针对该问题,提出了一种基于混合集成学习的带钢产品质量在线预报方法。该方法以Bagging为基础,引入了Adaboost中对误差较大样本的重点学习策略,以提高混合集成学习模型的精度并改进泛化能力;在子学习机的训练中提出了基于动态加权的最小二乘支持向量机方法,以改进子学习机的鲁棒性。基于实际连退生产过程数据的测试结果表明,所提出的混合集成学习方法在预测精度和泛化能力上均要优于Bagging和Adaboost等传统的集成学习建模方法。
王显鹏,黄灿明,徐子睿,王丹敬
东北大学工业与系统工程研究所
摘 要:钢铁企业连续退火生产过程由于工艺复杂并且包含众多相互影响的过程变量,导致带钢产品质量波动较大,难以进行在线测量。针对该问题,提出了一种基于混合集成学习的带钢产品质量在线预报方法。该方法以Bagging为基础,引入了Adaboost中对误差较大样本的重点学习策略,以提高混合集成学习模型的精度并改进泛化能力;在子学习机的训练中提出了基于动态加权的最小二乘支持向量机方法,以改进子学习机的鲁棒性。基于实际连退生产过程数据的测试结果表明,所提出的混合集成学习方法在预测精度和泛化能力上均要优于Bagging和Adaboost等传统的集成学习建模方法。
关键词:连续退火;质量在线预报;集成学习;最小二乘支持向量机;