公开(公告)号：CN113102516B

公开(公告)日：2022-02-18

申请号：CN202110243168.5

申请日：2021-03-05

Applicant: 东北大学

Inventor： 李旭 ,  何垚东 ,  栾峰 ,  曹雷 ,  陈丰 ,  马冰冰 ,  高坤 ,  霍利峰 ,  张殿华 ,  丁敬国 ,  韩月娇

IPC: B21B37/22

Abstract: 本发明提供一种融合轧制机理和深度学习的热连轧带钢头部宽度预测方法，首先获取热连轧现场的生产数据，并运用Pauta准则剔除离群数据得到样本数据；根据轧制宽展的影响因素筛选影响因素数据，然后构建每一机架的轧制机理预测模型，根据影响因素数据计算热连轧带钢头部宽度的预测基准值，构建深度置信神经网络模型预测带钢头部宽度的修正值，最后将带钢头部宽度的预测基准值与预测修正值相加得到带钢头部的测量位置在出口处宽度的最终预测值。本发明融合轧制机理和深度置信神经网络对带钢头部宽度进行预测，改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题，为过程自动化级设定模型的优化提供了良好基础。

公开(公告)号：CN113102516A

公开(公告)日：2021-07-13

申请号：CN202110243168.5

申请日：2021-03-05

Applicant: 东北大学

Inventor： 李旭 ,  何垚东 ,  栾峰 ,  曹雷 ,  陈丰 ,  马冰冰 ,  高坤 ,  霍利峰 ,  张殿华 ,  丁敬国 ,  韩月娇

IPC: B21B37/22

Abstract: 本发明提供一种融合轧制机理和深度学习的热连轧带钢头部宽度预测方法，首先获取热连轧现场的生产数据，并运用Pauta准则剔除离群数据得到样本数据；根据轧制宽展的影响因素筛选影响因素数据，然后构建每一机架的轧制机理预测模型，根据影响因素数据计算热连轧带钢头部宽度的预测基准值，构建深度置信神经网络模型预测带钢头部宽度的修正值，最后将带钢头部宽度的预测基准值与预测修正值相加得到带钢头部的测量位置在出口处宽度的最终预测值。本发明融合轧制机理和深度置信神经网络对带钢头部宽度进行预测，改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题，为过程自动化级设定模型的优化提供了良好基础。