Resumen

En el proceso de laminacin de banda en caliente, una prediccin precisa de la fuerza de doblado puede mejorar la precisin del control de la planitud de la banda y mejorar an ms la calidad de la misma. En este trabajo, a partir de los datos de produccin de 1300 piezas de fleje recogidos en una fbrica de laminacin en caliente, se proponen una serie de modelos de prediccin de la fuerza de doblado basados en una mquina de aprendizaje extremo (ELM). Para adquirir el modelo ptimo, se investigaron los ajustes de los parmetros de los modelos, incluidos los nodos de la capa oculta, la funcin de activacin, el tamao de la poblacin, la probabilidad de cruce y la estructura de la capa oculta. Se establecen cuatro modelos, un modelo ELM de capa oculta, un modelo ELM optimizado (GAELM) mediante algoritmo gentico (GA), un modelo ELM optimizado (SGELM) mediante recocido simulado hbrido (SA) y GA, y un modelo ELM optimizado de dos capas ocultas (SGITELM) optimizado mediante SA y GA. El rendimiento de la prediccin se evala a partir del error medio absoluto (MAE), el error cuadrtico medio (RMSE) y el error porcentual medio absoluto (MAPE). Los resultados muestran que el SGITELM tiene la mayor precisin de prediccin de los cuatro modelos. El RMSE del SGITELM propuesto es de 11,2678 kN, y el 98,72% de los datos de prediccin tienen un error absoluto inferior a 25 kN. Esto indica que el SGITELM propuesto, con una gran capacidad de aprendizaje y rendimiento de generalizacin, puede aplicarse correctamente a la produccin de laminado en caliente.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Proceso de laminación de banda en caliente; Modelos de predicción de la fuerza de flexión; Máquina de aprendizaje extremo; Modelo optimizado; Algoritmo genético; Recocido simulado
• Keywords:Hot strip rolling process; Bending force prediction models; Extreme learning machine; Optimized model; Genetic algorithm; Simulated annealing