基于混合网络模型的冷轧深冲钢连退过程力学性能预测

来源：计算机集成制造系统杂志2026年第1期北京时间：

作者：陈昱言, 郭强, 张勇军, 陈凌韬, 米振莉, 杨金莹

单位：1.北京科技大学工程技术研究院2.高效轧制与智能制造国家工程研究中心

摘要：连续退火过程是决定冷轧深冲钢力学性能的最重要环节,由于涉及工艺参数多、变量之间耦合性强、时序特征显著等,该过程的力学性能预测存在准确度不高的问题,为此提出一种以编码器解码器为框架,融合卷积神经网络和双向门控循环单元的预测方法。搭建卷积神经网络(CNN)为编码器,对强耦合性且具有时序性数据进行特征提取;随后串联双向门控循环单元(Bi-GRU)作为解码器,将历史信息与当前状态融合,在更新状态的同时,降低了梯度消失和梯度爆炸出现的风险;最后利用国内某深冲钢生产线退火段的数据对混合网络模型(CNN-BiGRU)进行力学性能预测验证分析。结果表明,相较于注意力机制作为编码器和循环神经网络作为解码器,混合网络模型的预测稳定性和综合预测性能更加优良,为深冲钢力学性能预测提供了有效的思路和方法。

关键词：连续退火,力学性能,深度学习,双向门控循环单元

基金资助：国家自然科学基金资助项目(U21A20483)。