基于深度学习的热连轧轧制力预测

• 作者: 严保康 李维刚 赵云涛 马威
• 来源期刊: 钢铁研究学报
• 关键词: 热轧带钢 轧制力预测 深度学习 MLP神经网络 学习算法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 冶炼与加工
• 页码范围: 805-815
• 页数: 11页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn1001-0963.20180314

摘要

轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近.利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini-batch策略的Adam优化算法进行参数寻优,采用Early-stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力.基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度.结果 表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李维刚	武汉科技大学冶金自动化与检测技术教育部工程研究中心	32	61	4.0	6.0
5	严保康	武汉科技大学冶金自动化与检测技术教育部工程研究中心	35	126	6.0	10.0
6	赵云涛	武汉科技大学冶金自动化与检测技术教育部工程研究中心	14	15	2.0	3.0
7	马威	武汉科技大学冶金自动化与检测技术教育部工程研究中心	5	3	1.0	1.0