基于深度学习的宽厚板热轧轧制力预测 |
| |
引用本文: | 郭金涛,王龙,余建波,冀秀梅.基于深度学习的宽厚板热轧轧制力预测[J].锻压技术,2022(7):167-174. |
| |
作者姓名: | 郭金涛 王龙 余建波 冀秀梅 |
| |
作者单位: | 1. 上海大学材料科学与工程学院;2. 上海大学上海市钢铁冶金新技术开发应用重点实验室;3. 上海大学省部共建高品质特殊钢冶金与制备国家重点实验室 |
| |
摘 要: | 为了提高宽厚板热轧生产过程控制中轧制力的预测精度,构建了融合SIMS模型的深度学习网络模型,对宽厚板热轧轧制力进行预测研究。利用深度学习框架,构建了一种基于残差连接的深度学习网络模型,并融合SIMS模型计算值,通过误差反向传播计算损失函数的梯度,同时使用Mini-Batch与RMSProp结合的优化算法对权重参数进行更新优化。利用残差连接引入纯线性的信息携带轨道,从而创造一条捷径,将较早的信号重新注入给下游的网络层,使用早停机制、批标准化等策略抑制模型过拟合现象,提高模型的预测精度。基于上述建模方法,针对宽厚板热轧生产线的轧制数据进行了建模实验。结果表明,以相对误差绝对值小于5%在测试集中的占比作为评价指标,相比于传统SIMS模型,融合SIMS模型、基于残差连接的深度学习网络可实现轧制力的高精度预测,该模型的预测精度平均提升了21.72%。
|
关 键 词: | 宽厚板热轧 轧制力预测 残差连接 过程控制 深度学习 SIMS模型 |
|
|