数据驱动的热轧带钢边部线状缺陷智能预报模型

• 作者: 刘宏民 徐扬欢 段伯伟 汪永梅 王东城
• 来源期刊: 钢铁
• 关键词: 数据驱动 热轧带钢 边部线状缺陷 智能预报 模型
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 压力加工
• 页码范围: 82-90
• 页数: 9页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn0449-749x.20200353

摘要

边部线状缺陷是热轧带钢易发缺陷,不仅严重影响成材率,还可能对热轧下游工序生产过程造成影响.边部线状缺陷的影响因素复杂多变,建立精确的机理预报模型十分困难.为此,首先分析边部线状缺陷的主要影响因素;然后以智能方法为基础,分别建立了基于逻辑回归与神经网络的边部线状缺陷智能预报模型,并分析了2个模型的精度与泛化能力;最后,以神经网络智能预报模型为基础,对加热工艺参数进行优化,使缺陷发生率与封闭率均大幅降低.研究结果对提高热轧带钢表面质量具有实践意义,可推广应用于同类轧线.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宏民		125	1058	17.0	25.0
2	王东城		36	139	6.0	10.0
3	徐扬欢		6	3	1.0	1.0
4	段伯伟		1	0	0.0	0.0
5	汪永梅		1	0	0.0	0.0