搜索到276篇“ 轧制力预报“的相关文章
- 基于多参数ELM网络的热轧带钢轧制力预报
- 2024年
- 轧制力的预测对智能制造自动化的推进应用很大。为了进一步提高热轧带钢的控制精度,设计了一种基于多参数ELM网络的热轧带钢轧制力预报方法。在ELM网络预测的基础上,综合考虑离线得到的轧制多参数之间的关联来提高预测的准确性。研究结果表明:相对于传统模型,ELM网络的误差明显降低。采用多参数关联预测后,误差又有所降低,控制在1.5%以内,满足现场预测要求。结合钢板轧制现场数据,多参数ELM网络的预报精度相对误差在小于±10%的部分比例达到90%,证明模型是准确的。研究有助于提高热轧带钢轧制力预测精度,对智能制造自动化领域的推进具有一定的理论支撑。
- 习姗李文丽
- 关键词：热轧带钢轧制力预报极限学习机神经网络
- 数据驱动的热轧轧制力预报模型研究与应用
- 2024年
- 当前热轧带钢轧制逐渐呈现品种多样性、工艺复杂性的特点,由于考虑因素较少,传统轧制力预报模型逐步显现一些缺陷和不足,已不能满足高精度、高性能产品控制精度的要求。为此,针对国内某2250 mm热连轧精轧机组,利用数据挖掘技术和智能化算法,结合机理模型,开发机理模型+梯度提升决策树算法的智能化轧制力模型。该模型考虑因素全面,能够提前获取计划单数据,对将要轧制钢种进行针对性训练,提升小样本预报精度;开发自训练与闭环控制技术,能够在多种环境部署应用,实现自动闭环控制。将该模型在线应用后,轧制力长遗传预报误差控制为5%以内,单次计算耗时为10 ms以内。结果表明,该模型响应速度快、计算精度高、计算稳定性好,能够满足换钢种规格、换工况下的轧制力精度控制要求,从而提高带钢轧制稳定性和头部厚度控制精度,提升产品竞争力。
- 王海玉方坤董立杰郭立伟孙力娟李亮举
- 关键词：热轧带钢
- 基于半监督堆叠自编码器的轧制力预报建模研究被引量：3
- 2022年
- 随着计算机运算能力的提升,数据驱动技术被广泛应用于冶金工业过程中。基于该技术的轧制力预报有助于缩短带材的头尾长度,提高成材率。为了解决数据驱动模型在预训练过程中因特征提取盲目导致预测精度较低的问题,提出了一种基于半监督堆叠自编码器(SS-SAE)的深度分层监督预处理框架,用于轧制力预报建模研究。在SS-SAE中,依次训练多个半监督自编码器(SS-AE),分级提取目标相关特征。每个SS-AE将来自前一隐藏层的特征作为新的输入,以生成高阶特征。通过堆叠多个SS-AE的方式,可逐步学习深层目标相关特征,同时深度网络结构将逐步减少不相关信息。仿真结果表明,该模型预测精度可控制在2%以内,实现了轧制力的高精度预测。
- 任巍翟博豪彭炜淞
- 关键词：特征提取轧制力预报
- 基于改进深度信念网络训练的冷轧轧制力预报被引量：12
- 2021年
- 在带钢冷轧过程中,轧制力预报精度直接决定板带材的轧制精度以及产品质量。传统的基于单隐层的神经网络建模方法结构简单,对复杂函数的表达能力与泛化能力都受到一定制约;轧制现场环境复杂,数据测量存在噪声干扰,都会直接影响预报精度。针对这些问题,提出一种基于非监督学习的改进深度信念网络预测模型。深层网络的构建以及去噪机制的引入可提高系统对输入数据特征学习的能力,同时采用改进的对比散度算法对网络进行训练,提高网络训练速度。最后,利用某钢厂1200 mm轧机组的实测数据对模型进行检验,对比分析3种不同模型,结果表明该模型对轧制力预测的平均相对误差控制在4.5%以内,建模所需时间相比于栈式自编码网络减少26%。
- 魏立新王恒孙浩呼子宇
- 关键词：计量学轧制力预报
- 基于深度学习的冷连轧机轧制力预报建模研究
- 在钢铁冷轧生产过程中，轧制力的预报精度决定着最终成品的厚度及板形的平整度。准确的轧制力预报有助于缩短带材的头尾长度，提高成材率。由于轧制环境复杂多变，各参量间相互耦合，难以建立准确的数学模型。传统的轧制力机理模型为简化推...
- 翟博豪
- 关键词：轧制力预报半监督学习
- 文献传递
- 一种混合润滑状态下的轧制力预报方法
- 本发明提供一种混合润滑状态下的轧制力预报方法，其包括以下步骤：S1、利用采利柯夫解得到卡尔曼单位压力微分方程；S2、混合润滑状态下的非稳态润滑动态辊缝摩擦应力；S3、混合润滑状态下的轧制力预报，确定预报模型；S4、对预报...
- 刘爽卢会峰黄茹楠
- 文献传递
- 极限学习机在中厚板轧制力预报中的应用被引量：17
- 2020年
- 轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力,精度较低。为提高轧制力预报精度,首先基于大量历史生产数据,通过主成分分析法对影响轧制力的因素进行处理和分析,选出权重较大的影响因子;其次选取现场代表钢种进行热模拟压缩实验,在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型,即先通过化学成分计算出基准变形抗力,再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数,并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产,轧制力预报相对误差±10%以内占比提高15.61%,钢板头部厚度命中率提高1.9%。
- 冀秀梅王龙高克伟刘玠
- 关键词：极限学习机轧制力预报数学模型主成分分析
- 一种厚板粗轧阶段轧制力预报方法
- 本发明公开了一种厚板粗轧阶段轧制力预报方法，所述方法包括：S1、在π平面上的误差三角形中，通过Mises准则屈服半径与Tresca轨迹边心距构建一个边心距线性组合屈服准则；S2、根据流动法则计算材料屈服时的比塑性功率；S...
- 章顺虎宋滨娜丁汉林侯纪新王晓南
- 文献传递
- 一种混合润滑状态下的轧制力预报方法
- 本发明提供一种混合润滑状态下的轧制力预报方法，其包括以下步骤：S1、利用采利柯夫解得到卡尔曼单位压力微分方程；S2、混合润滑状态下的非稳态润滑动态辊缝摩擦应力；S3、混合润滑状态下的轧制力预报，确定预报模型；S4、对预报...
- 刘爽卢会峰黄茹楠
- 文献传递
- 基于改进OS-ELM的冷连轧在线轧制力预报被引量：13
- 2019年
- 冷轧轧制力预报结果直接影响板(带)材轧制精度和产品质量。冷轧工艺复杂,参数耦合性强,模型不易建立且与实际偏差较大,针对这些问题,提出一种改进在线序列极限学习机。在初始训练阶段使用量子粒子群算法优化权值和阈值;在线训练阶段根据当前训练数据中隐含层对网络输出的贡献度调节网络的拓扑结构,实现了结构和参数的自组织,并结合极限学习机变形抗力子模型在线预报轧制力。实验结果表明,该自组织在线序列极限学习机在训练速度和精度方面较之人工蜂群优化的反向传播神经网络和基于增强型增量极限学习机有较大的提高。
- 魏立新张宇孙浩魏新宇
- 关键词：计量学轧制力预报变形抗力
相关作者
- 杨景明
- 作品数：179被引量：572H指数：13
- 供职机构：燕山大学
- 研究主题：冷连轧 热连轧 冷轧机 轧制规程 铝
- 孙浩
- 作品数：78被引量：196H指数：9
- 供职机构：燕山大学
- 研究主题：计量学 冷连轧 热连轧 多目标 铝
- 魏立新
- 作品数：86被引量：361H指数：11
- 供职机构：燕山大学
- 研究主题：冷连轧 冷轧 模糊控制 Y 神经网络
- 车海军
- 作品数：103被引量：335H指数：10
- 供职机构：燕山大学
- 研究主题：热连轧 冷连轧 铝 轧制规程 冷轧机
- 刘相华
- 作品数：1,197被引量：6,355H指数：31
- 供职机构：东北大学材料与冶金学院轧制技术及连轧自动化国家重点实验室
- 研究主题：中厚板 热轧带钢 热轧 数学模型 有限元
