基于类别特征梯度提升的冷轧带钢板形预测模型

作者：丁肇印; 丁成砚; 孙杰^*; 张殿华

来源：轧钢, 2022, 39(06): 99-105.

DOI：10.13228/j.boyuan.issn1003-9996.20220612

• 冷轧带钢
• 板形预测
• 类别特征梯度提升模型
• 集成学习

板形控制是冷轧带钢生产过程的核心技术。为了提升板形预设定和闭环反馈控制效果，建立高精度的板形预测模型非常必要。提出了一种基于类别特征梯度提升的冷轧带钢板形预测模型，通过某1 450 mm冷连轧生产线采集的生产数据建立模型，采用贪婪搜索和交叉验证的方式进行超参数设置，以自适应提升模型、梯度提升决策树模型和深度学习神经网络模型作为对比。结果表明：类别特征梯度提升模型的RMSE为0.666 IU,并且有90.397%的预测数据绝对误差小于1 IU,较其他3种模型有更好的表现，对冷轧带钢板形预测有更好的鲁棒性和预测精度。

• 单位
  轧制技术及连轧自动化国家重点实验室; 东北大学