-
题名基于深度学习的带钢精轧过程自由宽展预测
被引量：5
- 1
-
-
作者
张峥
仲兆准
李阳
章顺虎
-
机构
苏州大学沙钢钢铁学院
-
出处
《中国冶金》
CAS
北大核心
2022年第11期121-127,共7页
-
基金
国家自然科学基金资助项目(52074187)。
-
文摘
为提高带钢精轧过程宽度的控制精度,以实际生产数据为驱动,建立深度学习网络模型,对自由宽展进行预测。采用拉伊达准则对实际生产数据进行清洗,对清洗后的数据进行相关性分析,并提取相关系数大于给定阈值的特征。基于预处理后的特征数据,对深度学习网络进行训练,建立自由宽展预测模型。针对测试实例,分别采用该模型与传统数学模型进行预测,并从均方误差、最大偏差以及误差分布等多个方面进行对比分析。结果表明,所建立的深度学习预测模型,具有更高的预测精度和更好的性能指标。
-
关键词
深度学习
带钢精轧
自由宽展
数据清洗
相关性分析
预测模型
-
Keywords
deep learning
hot strip finishing mill
lateral spread
data cleaning
correlation analysis
prediction model
-
分类号
TG335.56
[金属学及工艺—金属压力加工]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于SVR模型的带钢精轧宽展预测
被引量：2
- 2
-
-
作者
张峥
仲兆准
李阳
章顺虎
-
机构
苏州大学沙钢钢铁学院
-
出处
《钢铁研究学报》
CAS
CSCD
北大核心
2023年第8期1017-1024,共8页
-
基金
国家自然科学基金资助项目(52074187)。
-
文摘
为提高带钢精轧宽展预测精度,结合实际生产数据,建立了基于支持向量机的回归预测模型。首先采用数据清洗、独热编码和主成分分析等方法对样本数据进行预处理,通过交叉验证法对惩罚参数和径向基函数核参数进行寻优,由此确立最佳模型结构。针对测试数据,分别采用回归预测模型、BP神经网络模型和经验公式进行预测,并从平均误差、最大偏差和误差分布等多个角度进行对比。结果表明,回归模型预测下的各项误差指标优势明显,绝对误差在2 mm内的分布占比达到94.52%。
-
关键词
支持向量机
回归
带钢精轧
宽展
预测模型
-
Keywords
support vector machine
regression
hot strip finishing mill
lateral spread
prediction model
-
分类号
TG335.5
[金属学及工艺—金属压力加工]
-
