基于主成分分析协同深度神经网络的带钢板凸度预测

为快速精确地预测板凸度，建立了一种基于主成分分析(principal component analysis, PCA)协同深度神经网络(deep neural network, DNN)的板凸度预测模型PCA-DNN。首先，对从某热轧厂采集的10 134卷带钢生产数据进行数据预处理。其次，用PCA法对数据样本进行分析，通过计算特征值、主成分贡献度和累计贡献度进行特征选择。最后，训练最佳的PCA-DNN预测模型，并与传统的两个模型人工神经网络(artificial neural network, ANN)和DNN进行比较。结果表明，PCA-DNN模型预测准确率为97.02%,训练时间为120 s,预测时间为291 ms,具有最优的综合性能，能够快速精确地预测热轧带钢板凸度。