摘要：针对连铸漏钢预报神经网络模型在小样本训练数据情况下难以获得较高预报准确率的问题,提出了一种基于模拟退火-粒子群（SA-PSO）算法优化支持向量机（SVM）参数的连铸漏钢预报算法。将粒子群优化算法引入支持向量机的训练过程中,利用其调整参数少、寻优速度快的优点,有效地提高了漏钢预报模型的寻优速度;利用模拟退火算法对粒子群算法迭代更新后粒子的新位置加以评价,来决定新位置是否被接受,避免了粒子群算法在迭代寻优过程中陷入局部极值的问题。结合某钢厂连铸现场历史数据对提出的连铸漏钢预报算法进行了测试,测试结果表明,所提算法的连铸漏钢预报准确率可达98.8%。

关键词：连铸漏钢预报 支持向量机 粒子群算法 模拟退火算法 

单位：燕山大学工业计算机控制工程河北省重点实验室; 秦皇岛066004; 国家冷轧板带装备及工艺工程技术研究中心; 秦皇岛066004; 中船航海科技有限责任公司; 北京100044