基于轧制机理和混合神经网络的热轧精轧带宽预测

摘要：

热轧带钢成品的宽度精度直接影响产品成材率,是产品性能提升的关键,而精轧区带钢出口宽度的精准预测可以为粗轧区宽度控制模型参数提供及时的优化调整指导.传统机理模型与实际情况往往存在较大差异,现有的数据驱动模型大多采用神经网络方法,但没有考虑轧制数据的时序性以及数据剪枝带来的信息损失.为了进一步提升精轧带钢宽度预测精度,提出一种基于轧制机理的混合神经网络宽度预测模型,利用精轧宽展的机理模型计算宽度基准值,结合卷积神经网络(CNN)和门控循环单元(GRU)输出宽度预测纠偏值.利用2 250 mm热连轧钢厂数据集试验,结果表明本文提出的热连轧带钢宽度预测模型训练效率较高,98.7％带钢宽度的预测精度在4 mm内,较传统BP神经网络模型和其他单一结构网络有大幅提升,且模型在线测试速度满足工业现场应用需求.

关键词：热连轧、精轧、宽度预测、宽展机理模型、卷积神经网络、门控循环单元

所属期刊栏目：33

分类号：TP393;TN915.853;TM73

资助基金：国家自然科学基金U21A20483

在线出版日期：2023-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：114-120