一種基于集成pca-elm穿孔機導盤轉速測量方法
【專利摘要】針對加裝狄塞爾導盤的斜軋穿孔機進行鋼坯穿孔過程中無法直接測量穿孔機導盤轉速的問題，考慮原有線性和非線性的軟測量建模方法測得導盤轉速未達理想，提出基于集成PCA-ELM方法測量穿孔機導盤轉速模型。介紹了集成PCA-ELM方法中應用的PCA方法、ELM方法、集成技術等關鍵內容，并將建立的模型用于穿孔機導盤轉速預測中。實驗和仿真表明，基于集成PCA-ELM算法模型有效降低了穿孔機導盤轉速測量的誤差，提高了導盤轉速預測的精度，為有效控制導盤轉速，提高無縫鋼管的生產效率提供了模型依據(jù)，并且其維護費用低、實時性好、可靠性及精度高。
【專利說明】—種基于集成PCA-ELM穿孔機導盤轉速測量方法

【技術領域】
[0001]本發(fā)明涉及一種穿孔機導盤轉速軟測量方法，其訓練速度快、泛化能力強、測量精度高。

【背景技術】
[0002]鋼管在國民經濟中有很重要的地位，被人們稱為工業(yè)的血管。隨著經濟的快速發(fā)展，無縫鋼管的使用領域在不斷擴大，對產品質量的要求也越來越高。無縫鋼管的生產工序主要有穿孔、軋管和減徑。我國有許多鋼鐵企業(yè)采用加裝狄賽爾導盤的斜軋穿孔機進行鋼坯穿孔，來提高無縫鋼管的生產質量。但是在斜軋穿孔機穿孔過程中，由于生產客觀條件限制，人們無法直接快速精確的測量導盤轉速。為了實現(xiàn)其直接快速的測量，進而有效控制導盤轉速，提高生產效率，本專利提出基于集成PCA-ELM的軟測量方法，通過其他相關變量間接測量到盤轉速。


【發(fā)明內容】

[0003]本發(fā)明的目的，是提供一種測量穿孔機導盤轉速的方法，能快速準確的測量穿孔機導盤轉速，解決由于客觀因素，無法直接快速精確的測量出實際的導盤轉速，進而無法實現(xiàn)導盤轉速的控制的問題。該方法模型維護費用低，實時性好，精度高.針對穿孔機導盤轉速軟測量中對建模速度要求較高的問題，本發(fā)明提出了基于集成PCA-ELM算法測量穿孔機導盤轉速模型。ELM方法相比于傳統(tǒng)的神經網絡模型具有模型簡單、計算速度快、精度高等特點，比較適合在線軟測量模型的建模。但在導盤轉速的軟測量中，ELM方法的預測速度和精度還有待進一步提高。針對導盤轉速軟測量建模存在的問題，本發(fā)明對ELM方法提出了改進。首先，將極限學習機方法同PCA方法相結合，來去除現(xiàn)場噪聲并減少模型輸入變量數(shù)，提高建模速度和預報精度；其次將現(xiàn)場手持直接測量設備得到的數(shù)據(jù)引入，得到PCA-ELM軟測量模型；再次，應用集成技術進行多模型集成，用現(xiàn)場采集的數(shù)據(jù)多次建模，對每次建模的結果累加求和，再求得平均值，完成基于集成PCA-ELM算法測量穿孔機導盤轉速建模，即建立了影響導盤轉速的各輸入量與導盤轉速之間的非線性關系模型；最后利用現(xiàn)場感應螺絲測量值對結果進行修正，得到準確值。通過仿真實驗證明其準確性，結果表明，基于集成PCA-ELM算法的模型比傳統(tǒng)的ELM模型具有更高的回歸和預測精度，能夠滿足現(xiàn)場應用的要求.1.預測模型建立
得到建模所需的現(xiàn)場數(shù)據(jù)將PCA、ELM建模方法結合，并采用集成技術進行多模型集成，最后得到集成PCA-ELM模型.(I)線性PCA方法
PCA方法是一種數(shù)據(jù)壓縮和特征提取的多變量統(tǒng)計方法，能夠有效去除數(shù)據(jù)之間的相關性，降低計算的復雜度。PCA將原來的指標重新組合成一組新的互相無關的幾個綜合指標，同時從中提取幾個較少的綜合指標盡可能多的反映原有指標信息.假設原始數(shù)據(jù)集中有《個樣本，每個樣本有/7個變量，這樣就構成了一個/7 X/7階的樣本數(shù)據(jù)矩陣，記為
til) ^i2)...,Zip](I)
設W為I的協(xié)方差矩陣，求取W的特征值』i(i=l，2，…p)及其對應的/7個正交單位化特征向量&，^≥…≥O，則Z的第i個主成分可以記為Υ?=θ?τχ=θηχι+θ?2χ2+^+θ^ν (2)
若Zi為ZpZ2, ''',Jp中的任意組合中方差最大的，則稱Z1為第一主成分，Ia2是與Z1不相關的石，毛，…，Xp的一切組合中方差最大的，成為第二主成分，以此類推定義出各個主成分貢獻率是指某個主成分提取的信息占總信息的份額，貢獻率越大越說明相應的主成分反映綜合信息的能力越強。第左個主成分的貢獻率為

【權利要求】
1.針對穿孔機導盤轉速軟測量中對建模速度要求較高的問題，本發(fā)明提出了基于集成PCA-ELM算法測量穿孔機導盤轉速模型.ELM方法相比于傳統(tǒng)的神經網絡模型具有模型簡單、計算速度快、精度高等特點，比較適合在線軟測量模型的建模.但在導盤轉速的軟測量中，ELM方法的預測速度和精度還有待進一步提高.針對導盤轉速軟測量建模存在的問題，本發(fā)明對ELM方法提出了改進.首先，將極限學習機方法同PCA方法相結合，來去除現(xiàn)場噪聲并減少模型輸入變量數(shù)，提高建模速度和預報精度；其次將現(xiàn)場手持直接測量設備得到的數(shù)據(jù)引入，得到PCA-ELM軟測量模型；再次，應用集成技術進行多模型集成，用現(xiàn)場采集的數(shù)據(jù)多次建模，對每次建模的結果累加求和，再求得平均值，完成基于集成PCA-ELM算法測量穿孔機導盤轉速建模，即建立了影響導盤轉速的各輸入量與導盤轉速之間的非線性關系模型；最后利用現(xiàn)場感應螺絲測量值對結果進行修正，得到準確值.通過仿真實驗證明其準確性，結果表明，基于集成PCA-ELM算法的模型比傳統(tǒng)的ELM模型具有更高的回歸和預測精度，能夠滿足現(xiàn)場應用的要求。
2.基于集成PCA-ELM的建模方法將PCA方法和極限學習機ELM方法結合起來進行建模，并采用集成技術進行多模型集成，最后得到集成PCA-ELM模型.具體建模步驟如下: (1)利用PCA法對現(xiàn)場測得的影響導盤轉速的變量數(shù)據(jù)進行篩選.(2)建立ELM網絡模型.將對導盤轉速產生影響的影響因素歷史數(shù)據(jù)經過步驟(a)分析處理后，得到重構數(shù)據(jù)樣本，建立ELM網絡模型.然后經過ELM算法對該數(shù)據(jù)進行訓練.(3)對現(xiàn)場采集的數(shù)據(jù)按照步驟(I)、步驟(2)做五次建模，采用集成技術將五次建得的模型集成，即對結果求取平均值，最后得到集成PCA-ELM模型.(4)利用現(xiàn)場感應螺絲的測量值對所建模型進行校正.如現(xiàn)場感應螺絲測得的導盤轉速為n，所建集成PCA-ELM模型得到的導盤轉速為m，兩者差值為n_m，模型的更新時間為t，則在t時間內，將所建集成PCA-ELM模型得到的導盤轉速值均加/減差值n-m，完成對所建模型的校正。
【文檔編號】B21C51/00GK104070083SQ201410293726
【公開日】2014年10月1日 申請日期:2014年6月27日 優(yōu)先權日:2014年6月27日
【發(fā)明者】肖冬, 張慧瑩 申請人:東北大學