数据驱动的热轧钢板头部变形预测与智能优化
来源：钢铁研究学报杂志2022年第12期北京时间：
作者：李旭, 董梓硕, 丁敬国, 张殿华
单位：东北大学轧制技术及连轧自动化国家重点实验室,辽宁沈阳110819
摘要：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58983 mm<sup>2</sup>,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%。
关键词：热轧,头部变形,数据驱动模型,控制优化,MLP,APSO,机器视觉
基金资助：国家自然科学基金资助项目(U20A20187);“兴辽英才计划”资助项目(XLYC2007087);中央高校基本科研业务费资助项目(N2107010)
