融合轧制机理和深度学习的带钢精轧宽度预测

作     者：何垚东 李旭 丁敬国 张殿华 HE Yaodong;LI Xu;DING Jingguo;ZHANG Dianhua

作者机构：东北大学轧制技术及连轧自动化国家重点实验室辽宁沈阳110819 

出 版 物：《轧钢》 (Steel Rolling)

年 卷 期：2022年第39卷第2期

页      面：76-81,86页

学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金项目(U20A20187) 国家自然科学基金项目(51634002) 国家重点研发计划项目(2017YFB0304100) 中央高校基本科研业务专项资金项目(2007006) 中央高校基本科研业务专项资金项目(N180708009) 

主　　题：带钢热连轧 宽度预测 轧制机理 深度学习 深度置信网络 

摘      要：宽度精度是热轧带钢成形过程的重要指标,准确预测精轧宽度有助于及时修正粗轧宽度设定模型,提高成品带钢的宽度精度。然而,依据轧制机理建立的宽度预测模型偏离实际工况从而精度较低,依据神经网络建立的模型由于过程黑箱导致可信度低。为此,提出了一种融合轧制机理和人工神经网络的热轧带钢精轧宽度组合预测模型,以基于Hill公式的机理模型计算精轧宽度的预测基准值,以基于深度置信网络(DBN)的深度学习模型预测精轧宽度的修正值。选取实际生产的2 730组数据中的49个特征值作为试验数据进行建模分析,结果表明:该组合模型预测精度高、稳定性好且预测时间短,其均方根误差为0.428 15 mm,相比机理模型降低了79.6%,相比神经网络模型降低了6.2%,实现了精轧宽度的高精度预测。