基于CNN-LSTM的二阶段辊式淬火过程板形预测方法
作者机构：鹤庆北衙矿业有限公司
出 版 物：《金属热处理》 (Heat Treatment of Metals)
年 卷 期：2024年第10期
页 面：295-300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]
摘 要：钢板的板形是淬火过程的关键质量指标，针对钢板在淬火过程中板形预测的问题，提出一种基于卷积神经网络-长短时记忆网络(CNN-LSTM)的二阶段辊式淬火过程板形预测方法。该方法分为两个阶段，首先，利用CNN提取板形特征，捕捉板形的空间信息。其次，以淬火过程参数、历史板形特征为输入，采用LSTM建立板形预测模型。最后将两个阶段串联，使预测模型能够同时考虑板形的空间信息和时间信息。基于实际生产数据进行试验，其结果表明，预测误差的均方值从0.0471降低到了0.0264,即预测误差降低了43.9%,达到了提高板形预测精度的目标。
同方期刊数据库