基于深度学习的热轧带钢头部厚度的命中预测

• 作者: 于加学 孙杰 张殿华
• 来源期刊: 钢铁
• 关键词: 热轧带钢 深度学习 厚度预测 头部厚度命中率 开源机器学习
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 冶金人工智能技术|Metallurgical Artificial Intelligence Technology
• 页码范围: 19-25
• 页数: 7页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn0449-749x.20210044

摘要

针对热轧带钢头部厚度精度较低的问题,提出了一种基于深度学习的热轧带钢头部厚度的命中预测方法.在精轧过程中,带钢头部张力较小,且通常温度较低;同时轧机工艺参数复杂,精准设定存在困难,轧制带钢头部经常会出现厚度不合格的现象.利用深度神经网络的非线性拟合能力,设计带钢头部厚度预测模型,给轧机的参数设定提供参考、提高头部厚度命中率、减少钢材浪费.深度神经网络(DNN)包含输入层、隐藏层、输出层,使用TensorFlow开源机器学习框架设计预测模型并用程序实现.调整神经网络各参数,通过研究它们对模型性能的影响,优化预测模型.最后使用多种厚度的带钢测试数据训练并检验头部厚度预测模型,结果显示,分类预测命中准确率在80％以上.