[发明专利]板带材凸度的预测方法、轧辊智能化控制方法及计算设备

权利要求书

1.一种板带材凸度的预测方法，其特征在于，包括：

获取样本数据，其中，所述样本数据包括板带材制造参数；

将所述样本数据输入板带材凸度预测模型进行迭代预测，得到板带材凸度；

在所述板带材凸度预测模型的迭代预测过程中，将所述板带材凸度预测模型的权值和阈值编码为粒子，采用PSO算法对所述权值和所述阈值进行优化，其中，所述PSO算法的粒子位置确定公式和粒子速度确定公式均通过动态学习因子确定。

2.根据权利要求1所述的板带材凸度的预测方法，其特征在于，所述将所述样本数据输入板带材凸度预测模型进行迭代预测，得到板带材凸度包括：

确定所述板带材凸度预测模型的输出值与期望值之间的误差，或判断所述板带材凸度预测模型的迭代次数是否达到预设迭代次数；

当所述误差小于预设误差，或所述迭代次数达到预设迭代次数时，停止所述板带材凸度预测模型的迭代预测，得到所述板带材凸度；

否则，确定所述板带材凸度预测模型的隐含层和输出层的误差信号，以及调整所述权值和所述阈值。

3.根据权利要求1所述的板带材凸度的预测方法，其特征在于，所述采用PSO算法对所述权值和所述阈值进行优化包括：

确定所述粒子的适应度值；

对各所述粒子进行迭代寻优，包括：根据所述适应度值更新所述粒子的个体最优值和群体最优值，以及根据所述个体最优值和所述群体最优值以及所述粒子位置确定公式和所述粒子速度确定公式更新所述粒子的位置和速度，其中，当迭代结束时，确定所述权值为所述粒子的所述速度，确定所述阈值为所述粒子的所述位置。

4.根据权利要求3所述的板带材凸度的预测方法，其特征在于，在所述根据所述个体最优值和所述群体最优值以及所述粒子位置确定公式和所述粒子速度确定公式更新所述粒子的位置和速度之后还包括：

判断所述粒子是否处于给定空间内；

若否，则根据自适应变异确定新的适应度值；

根据所述新的适应度值更新所述粒子的所述个体最优值和所述群体最优值。

5.根据权利要求4所述的板带材凸度的预测方法，其特征在于，当判定所述粒子处于所述给定空间内，或在根据所述新的适应度值更新所述粒子的所述个体最优值和所述群体最优值后，还包括：

判断所述粒子的迭代寻优是否满足终止条件；

若是，则得到所述权值和所述阈值；

若否，则重新开始所述确定所述粒子的适应度值步骤。

6.根据权利要求3所述的板带材凸度的预测方法，其特征在于，根据所述适应度值和个体最优值确定公式更新所述粒子的所述个体最优值，以及根据所述适应度值和群体最优值确定公式更新所述群体最优值；所述个体最优值确定公式包括：

/

所述群体最优值确定公式包括：

p_g∈{p₁,p₂,…,p_size}|f(p_g)＝min{f(p₁),f(p₂),…,f(p_size)}；

其中，f表示适应度值确定函数，x_i表示粒子所经历的位置，f(x_i)表示适应度值，size表示种群粒子数量，p_i表示个体最优值，p₁,p₂,...,p_size表示种群全部粒子的个体最优值，f(p_i)表示个体适应度值最优值，f(p₁),f(p₂),...,f(p_size)表示种群全部粒子的个体适应度值最优值，p_g表示群体最优值。