基于深度学习的宽厚板热轧轧制力预测

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%。