基于连铸生产大数据的热轧卷质量预测模型

作者：侯自兵^*; 彭治强; 郭坤辉; 柳前; 曾子航; 郭东伟

来源：连铸, 2022, (06): 29-37.

DOI：10.13228/j.boyuan.issn1005-4006.20220132

• 连铸
• 工艺参数
• 热轧卷
• 大数据
• 质量预测

板坯热送热装或连铸连轧技术逐渐被越来越多的钢厂采用，然而其进一步发展受到连铸坯质量的制约。故针对连铸坯缺陷的有效判断可避免存在质量问题的铸坯进入轧制环节，从而降低额外的能耗。基于对铸坯质量的在线检测困难这一问题，从生产大数据的角度建立了板坯热轧卷的质量预测模型。首先根据正常与缺陷产品高度不平衡的数据特点，提出了相关性分析、不平衡数据随机分类与主成分数据降维三者相结合的数据预处理方法，随后选择GA-BP神经网络算法构建了针对低碳钢、包晶钢和中碳钢的热轧卷质量预测模型。预测模型具有较高的准确率，其中低碳钢模型总体预测准确率达到94.7%,缺陷预测准确率为82.8%;包晶钢模型总体预测准确率达到93.3%,缺陷预测准确率为87.5%;中碳钢模型总体预测准确率为85.4%,缺陷预测准确率为87.3%。最后，基于Python语言编写了热轧卷质量在线预测软件，可对热轧卷质量进行实时预测，方便快速地溯源缺陷发生原因。

• 单位
  重庆大学