基于PSO-LSSVM的铝带坯晶粒度软测量模型的研究与优化的中期报告.docx

基于PSO-LSSVM的铝带坯晶粒度软测量模型的研究与优化的中期报告
本文基于粒子群优化算法（PSO）和LeastSquaresSupportVectorMachine（LSSVM）算法，构建了一种用于软测量铝带坯晶粒度的模型并对其进行了优化。本研究的目的是为了提高铝带坯晶粒度的在线检测效率。
本研究从选取特征参数、建立模型、模型优化三个方面展开：
(1)特征参数选取
通过主成分分析（PCA）对铝带坯过程中的气氛温度、带材粗度等过程参数进行特征提取，筛选出具有显著差异的特征参数，作为建立模型的输入参数。
(2)模型构建
在特征参数的基础上，使用LSSVM模型建立铝带坯晶粒度软测量模型。并使用RBF核函数对LSSVM模型进行调参。
(3)模型优化
使用PSO算法对LSSVM模型进行优化，调整模型的输入参数和核函数参数，提高模型预测精度。
实验结果表明，使用本文所提出的方法，可以有效提高铝带坯晶粒度软测量模型的预测精度。本方法在工业实际应用中具有较高的可行性和应用价值。