基于改进QGA-WNN集成学习的冷连轧轧制力预测

袁昕^1*，卜赫男¹，闫注文²

¹江苏科技大学 机械工程学院，丹徒区长晖路666号，镇江，212100

²南京工程学院 智能装备产业技术研究院，江宁科学园弘景大道1号，南京，211167

*Email: 2322458460@qq.com

摘要：轧制力是实现冷连轧计算机控制的重要数学模型，其计算精度直接影响辊缝的设定精度，进而影响带钢的厚度精度。为了进一步提高冷连轧过程控制系统中轧制力的预测精度，本文提出以改进量子遗传算法（QGA）优化的小波神经网络（WNN）作为基学习器，并采用bagging算法作为顶层模型的集成学习预测方法。以某1450mm冷连轧生产线为对象，对提出的轧制力预测模型进行测试，比较了该模型与未经优化的小波神经网络和单个学习器的预测效果。现场数据分析表明，本文提出的模型可以有效减小计算轧制力与实测轧制力的偏差，模型计算精度更高，收敛性能更好，显著提高WNN集成的泛化能力。

关键词：冷连轧；轧制力预测；量子遗传算法；小波神经网络；集成学习