数据驱动的热轧带钢边部线状缺陷智能预报模型

摘要：

边部线状缺陷是热轧带钢易发缺陷,不仅严重影响成材率,还可能对热轧下游工序生产过程造成影响.边部线状缺陷的影响因素复杂多变,建立精确的机理预报模型十分困难.为此,首先分析边部线状缺陷的主要影响因素;然后以智能方法为基础,分别建立了基于逻辑回归与神经网络的边部线状缺陷智能预报模型,并分析了2个模型的精度与泛化能力;最后,以神经网络智能预报模型为基础,对加热工艺参数进行优化,使缺陷发生率与封闭率均大幅降低.研究结果对提高热轧带钢表面质量具有实践意义,可推广应用于同类轧线.

关键词：数据驱动、热轧带钢、边部线状缺陷、智能预报、模型

所属期刊栏目：55

资助基金：河北省高端人才和“巨人计划”创新团队资助项目2019

在线出版日期：2020-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：82-90