科研之友
微信
新浪微博
Facebook
分享链接
摘要
在带钢热连轧过程中，卷取温度是重要的工艺参数和主要的控制目标，其一定程度上可决定带钢的微观组织，从而影响产品的力学性能和使用性能。为进一步提高热轧带钢卷取温度控制精度，以某热连轧产线的实际生产数据为基础，采用随机森林(random forest, RF)算法建立了一种基于数据驱动的热轧带钢卷取温度预测模型，并采用贝叶斯优化算法确定RF模型的最优超参数，采用类似于网格搜索的方式确定贝叶斯优化算法自身超参数。同时，采用贝叶斯优化的决策树模型(decision tree, DT)、支持向量回归模型(support vector regression, SVR)和现场基于经典传热学建立的机理模型进行对比验证。模型测试结果表明，RF模型的预测结果有97%以上样本点预测误差在-10～10℃以内，相较于现场模型能更好地实现对卷取温度的预测，进一步提高卷取温度的控制精度。
-
单位东北大学; 轧制技术及连轧自动化国家重点实验室
