数据驱动的热轧轧制力预报模型研究与应用

作     者：王海玉 方坤 董立杰 郭立伟 孙力娟 李亮举 WANG Haiyu;FANG Kun;DONG Lijie;GUO Liwei;SUN Lijuan;LI Liangju

作者机构：北京首钢自动化信息技术有限公司北京100041 北京首钢股份有限公司河北迁安064400 

出 版 物：《中国冶金》 (China Metallurgy)

年 卷 期：2024年第34卷第11期

页      面：93-99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] 

主　　题：热轧带钢 轧制力预测 机理模型 GBDT算法 模型应用 

摘      要：当前热轧带钢轧制逐渐呈现品种多样性、工艺复杂性的特点,由于考虑因素较少,传统轧制力预报模型逐步显现一些缺陷和不足,已不能满足高精度、高性能产品控制精度的要求。为此,针对国内某2250 mm热连轧精轧机组,利用数据挖掘技术和智能化算法,结合机理模型,开发机理模型+梯度提升决策树算法的智能化轧制力模型。该模型考虑因素全面,能够提前获取计划单数据,对将要轧制钢种进行针对性训练,提升小样本预报精度;开发自训练与闭环控制技术,能够在多种环境部署应用,实现自动闭环控制。将该模型在线应用后,轧制力长遗传预报误差控制为5%以内,单次计算耗时为10 ms以内。结果表明,该模型响应速度快、计算精度高、计算稳定性好,能够满足换钢种规格、换工况下的轧制力精度控制要求,从而提高带钢轧制稳定性和头部厚度控制精度,提升产品竞争力。