数据驱动的热轧钢板头部变形预测与智能优化

作者：李旭; 董梓硕; 丁敬国; 张殿华

来源：钢铁研究学报, 2022, 34(12): 1398-1407.

DOI：10.13228/j.boyuan.issn1001-0963.20220230

• 热轧
• 头部变形
• 数据驱动模型
• 控制优化
• MLP
• APSO
• 机器视觉

宽厚板头部形状控制是提高产品成材率的有效手段。提出一种基于数据驱动的钢板头部形状预测及控制模型。首先根据所开发的平面形状测量仪表，以多道次轧制完成后钢板的头部变形面积为测量目标，结合轧制过程数据建立了头部变形数据集。其次提出一种基于多层感知机(multi-layer perceptron, MLP)的钢板头部变形预测模型。最后基于所建立的数据驱动预测模型，采用自适应惯性权重的粒子群算法(adaptive-weighted particle swarm optimization, APSO)对设定的头部变形控制参数进行优化，以减少头部变形面积。结果表明，提出的预测模型对于头部变形面积预测的平均误差为58 983 mm2,优化后的头部变形参数有效减少了钢板的头部变形，相比于原有设定模型平均减少了16.85%。

• 单位
  东北大学; 轧制技术及连轧自动化国家重点实验室