工程科学学报，第37卷，第4期：517521,2015年4月 Chinese Journal of Engineering,Vol.37,No.4:517-521,April 2015 DOI:10.13374/j.issn2095-9389.2015.04.017:http://journals.ustb.edu.cn 基于多模态和加权支持向量机的热轧轧制力智能预报 何飞四，石露露，黎敏，徐金梧 北京科技大学国家板带生产先进装备工程技术研究中心，北京100083 ☒通信作者，E-mail:hefei(@ustb.cdu.cn 摘要为了提高热轧生产过程精轧机组的轧制力预设定精度，需要对轧制力进行高精度的预报.本文通过机理公式计算 出轧制力的近似值，然后采集大量的实际生产数据修正轧制力预报值.首先利用聚类方法区分不同的生产状态，其次在相同 生产状态下采用加权最小二乘支持向量机计算轧制力的修正系数，最后采用乘法方式修正轧制力，达到高精度的轧制力预 测.结果表明，轧制力预报的平均相对误差为3.2%，满足现场的生产要求 关键词热轧：轧制力：加权支持向量机：聚类；预测 分类号TG335.5·6 Intelligent prediction of rolling force in hot rolling based on a multi-model and weighted support vector machine HE Fei,SHI LuAu,LI Min,XU Jin-wu National Engineering Research Center of Flat Rolling Equipment,University of Science and Technology Beijing,Beijing 100083,China Corresponding author,E-mail:hefei@ustb.edu.cn ABSTRACT In order to improve the set accuracy of rolling force for a finishing mill in the hot rolling process,high precision predic- tion of rolling force is very important.In this paper,an approximate value of rolling force is calculated through theoretical formulae. And then,a correction coefficient of rolling force is computed using big field data.Firstly,different product states are classfied by the clustering method.Secondly,the correction coefficient is computed based on a weighted least square support vector machine.Through a combination of these two results,the rolling force value with high precision is predicted.The average relative prediction error of roll- ing force is 3.2%,which can meet the requirements of field production. KEY WORDS hot rolling:rolling force:weighted support vector machine:clustering:prediction 在带钢的热连轧生产过程中，轧制力是一个非常 观对象提供精确的描述，而且现代化生产中产生了大 重要的工艺参数0，其设定精度直接影响到带钢板厚 量的实际生产数据，可以充分利用实际生产数据来提 和板形的控制质量，因此提高轧制力的预报精度具有 升传统轧制力模型的预报精度. 十分重要的意义.传统的轧制力预报是借助于轧制过 由于统计方法和人工智能方法的发展，利用现场 程力学机理模型完成的，相关研究已取得较为成熟的 数据进行统计建模来预报轧制力的做法被越来越多的 成果四，在现有控制中取得了较好的效果.但是，原料 人采纳.因为实际生产过程各变量间往往存在复杂的 板坯中合金元素的偏差和现场因素的变化，并且数学 非线性强耦合关系，常用的多元线性回归、主成分回 模型在结构形式上采取一些简化措施，使其不能对客归、偏最小二乘法等线性方法四难以解决非线性映射 收稿日期：2014-12-17 基金项目：国家自然科学基金资助项目(51204018)：高等学校博士学科点专项科研基金资助项目(20110006110027)：国家“十二五”科技支撑 计划项目(2012BAF04B02,2015BAF30BO1):北京高等学校青年英才计划资助项目(YETP0422):中央高校基本科研业务费资助项目(FRF- TP-14-124A2)工程科学学报，第 37 卷，第 4 期: 517--521，2015 年 4 月 Chinese Journal of Engineering，Vol． 37，No． 4: 517--521，April 2015 DOI: 10． 13374 /j． issn2095--9389． 2015． 04． 017; http: / /journals． ustb． edu． cn 基于多模态和加权支持向量机的热轧轧制力智能预报 何 飞，石露露，黎 敏，徐金梧 北京科技大学国家板带生产先进装备工程技术研究中心，北京 100083  通信作者，E-mail: hefei@ ustb． edu． cn 摘 要 为了提高热轧生产过程精轧机组的轧制力预设定精度，需要对轧制力进行高精度的预报． 本文通过机理公式计算 出轧制力的近似值，然后采集大量的实际生产数据修正轧制力预报值． 首先利用聚类方法区分不同的生产状态，其次在相同 生产状态下采用加权最小二乘支持向量机计算轧制力的修正系数，最后采用乘法方式修正轧制力，达到高精度的轧制力预 测． 结果表明，轧制力预报的平均相对误差为 3. 2% ，满足现场的生产要求． 关键词 热轧; 轧制力; 加权支持向量机; 聚类; 预测 分类号 TG335. 5 + 6 Intelligent prediction of rolling force in hot rolling based on a multi-model and weighted support vector machine HE Fei ，SHI Lu-lu，LI Min，XU Jin-wu National Engineering Ｒesearch Center of Flat Ｒolling Equipment，University of Science and Technology Beijing，Beijing 100083，China  Corresponding author，E-mail: hefei@ ustb． edu． cn ABSTＲACT In order to improve the set accuracy of rolling force for a finishing mill in the hot rolling process，high precision predic￾tion of rolling force is very important． In this paper，an approximate value of rolling force is calculated through theoretical formulae． And then，a correction coefficient of rolling force is computed using big field data． Firstly，different product states are classfied by the clustering method． Secondly，the correction coefficient is computed based on a weighted least square support vector machine． Through a combination of these two results，the rolling force value with high precision is predicted． The average relative prediction error of roll￾ing force is 3. 2% ，which can meet the requirements of field production． KEY WOＲDS hot rolling; rolling force; weighted support vector machine; clustering; prediction 收稿日期: 2014--12--17 基金项目: 国家自然科学基金资助项目( 51204018) ; 高等学校博士学科点专项科研基金资助项目( 20110006110027) ; 国家“十二五”科技支撑 计划项目( 2012BAF04B02，2015BAF30B01) ; 北京高等学校青年英才计划资助项目( YETP0422) ; 中央高校基本科研业务费资助项目( FＲF-- TP--14--124A2) 在带钢的热连轧生产过程中，轧制力是一个非常 重要的工艺参数［1］，其设定精度直接影响到带钢板厚 和板形的控制质量，因此提高轧制力的预报精度具有 十分重要的意义． 传统的轧制力预报是借助于轧制过 程力学机理模型完成的，相关研究已取得较为成熟的 成果［2］，在现有控制中取得了较好的效果． 但是，原料 板坯中合金元素的偏差和现场因素的变化，并且数学 模型在结构形式上采取一些简化措施，使其不能对客 观对象提供精确的描述，而且现代化生产中产生了大 量的实际生产数据，可以充分利用实际生产数据来提 升传统轧制力模型的预报精度． 由于统计方法和人工智能方法的发展，利用现场 数据进行统计建模来预报轧制力的做法被越来越多的 人采纳． 因为实际生产过程各变量间往往存在复杂的 非线性强耦合关系，常用的多元线性回归、主成分回 归、偏最小二乘法等线性方法［3］难以解决非线性映射