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。