基于主成分分析协同深度神经网络的带钢板凸度预测 |
| |
引用本文: | 赵志挺,朱亮宇,高珣洋,王力.基于主成分分析协同深度神经网络的带钢板凸度预测[J].冶金自动化,2022(3):34-41+93. |
| |
作者姓名: | 赵志挺 朱亮宇 高珣洋 王力 |
| |
作者单位: | 沈阳化工大学机械与动力工程学院 |
| |
基金项目: | 国家自然科学基金重点项目(51634002);;国家重点研发计划项目(2017YFB0304100); |
| |
摘 要: | 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。
|
关 键 词: | 热连轧 带钢 板凸度 主成分分析 深度神经网络 预测 |
|
|