|
1.
改进VMD-LSTM的轧机振动预测研究
张瑞成, 曹志新, 梁卫征
噪声与振动控制
2022, 42 (6):
119-123.
为提取有效的轧机振动特征,提高轧机振动预测精度,提出一种基于改进变分模态分解(Variational modaldecomposition, VMD)-长短时记忆神经网络(Long short-term memory,LSTM)的轧机振动预测方法。采用最小巴氏距离(Minimize bhattacharyya distance,DBmin)优化K值,对原始信号进行VMD分解,根据相关系数和能量占比选取主要模态分量,并对其进行叠加重构;将入口张力、硬度等作为输入,将重构信号作为输出,建立基于LSTM网络的轧机垂振预测模型。仿真结果表明:VMD-LSTM模型预测精度最高,相关性系数达0.97 以上。并分析了各工艺参数改变对轧机振动的影响,可为快速抑制轧机振动、优化轧制规程提供参考。
相关文章 |
多维度评价
|
|