[成形质量的闭环与自适应控制技术]热轧带钢出口凸度数据驱动建模及智能化预测分析

doi:10.3969/j.issn.1004-132X.2020.22.010

中国机械工程

[成形质量的闭环与自适应控制技术]热轧带钢出口凸度数据驱动建模及智能化预测分析

刘元铭1,2,3,4;王振华2,3;王涛1,2,3;刘文礼1;熊晓燕1

1.太原理工大学机械与运载工程学院，太原，030024
2.太原理工大学先进成形与智能装备研究院，太原，030024
3.先进金属复合材料成形技术与装备教育部工程研究中心，太原，030024
4.山西太钢不锈钢精密带钢有限公司，太原，030006

出版日期:2020-11-25 发布日期:2020-11-27
基金资助:
国家自然科学基金资助项目(51904206,51974196)；
中国博士后科学基金资助项目(2020M670705)；
国家自然科学基金资助重点项目(U1710254)；
山西省科技重大专项(20181102015,MC2016-01)；
山西省应用基础面上青年基金资助项目(201801D221130,201901D211011)；
山西省高等学校科技创新项目(2019L0258,2019L0176)

Data-driven Modeling and Intelligent Prediction Analysis for Hot Strip Outlet Crowns

LIU Yuanming1,2,3,4;WANG Zhenhua2,3;WANG Tao1,2,3;LIU Wenli1;XIONG Xiaoyan1

1.College of Mechanical and Vehicle Engineering,Taiyuan University of Technology,Taiyuan,030024
2.Advanced Forming and Intelligent Equipment Research Institute,Taiyuan University of Technology,Taiyuan,030024
3.Engineering Research Center of Advanced Metal Composites Forming Technology and Equipment,Ministry of Education,Taiyuan,030024
4.Shanxi Taigang Stainless Precision Strip Co.,Ltd.,Taiyuan,030006

Online:2020-11-25 Published:2020-11-27

摘要/Abstract

摘要： 提出一种基于热轧现场生产数据和智能算法的新型带钢出口凸度预测模型，该模型采用差分进化算法对支持向量机的惩罚因子和核函数宽度进行优化。确定了支持向量回归模型的最佳参数组合，采用大量实际生产数据对模型进行训练并将其用于带钢出口凸度预测。该模型结构简单、容易实现，其整体性能用平均绝对误差（MAE）、平均绝对百分误差（MAPE）、均方根误差（RMSE）和决定系数R2来评价。预测值和实际值的比较验证了所提出模型的可行性。

关键词: 凸度预测, 差分进化算法, 支持向量机, 生产数据, 热轧

Abstract: A new prediction model of strip outlet crowns was proposed based on hot rolling actual production data and intelligent algorithm. This model used differential evolution algorithm to optimize the penalty factor and kernel function width of SVM, and the optimal parameters combinations of support vector regression model were determined. The model was trained with a lot of actual production data and was used to predict the strip outlet crowns. The model structure was simple and easy to implement, and the overall performance was evaluated by mean absolute error, mean absolute percentage error, root mean square error and determination coefficient R2. The feasibility of the proposed model was verified by comparing the predicted values with the actual ones.

Key words: crown prediction, differential evolution algorithm, support vector machine(SVM), production data, hot rolling

中图分类号:

TG335.5

刘元铭, 王振华, 王涛, 刘文礼, 熊晓燕. [成形质量的闭环与自适应控制技术]热轧带钢出口凸度数据驱动建模及智能化预测分析[J]. 中国机械工程, DOI: 10.3969/j.issn.1004-132X.2020.22.010.

LIU Yuanming, WANG Zhenhua, WANG Tao, LIU Wenli, XIONG Xiaoyan. Data-driven Modeling and Intelligent Prediction Analysis for Hot Strip Outlet Crowns[J]. China Mechanical Engineering, DOI: 10.3969/j.issn.1004-132X.2020.22.010.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2020.22.010

http://www.cmemo.org.cn/CN/Y2020/V31/I22/2728

参考文献

［1］何安瑞，邵健，凌智，等. 1580 mm热带钢轧机板形控制系统［J］. 钢铁,2011,46（3）：47-50.
HE Anrui, SHAO Jian, LING Zhi,et al. Shape Control System of 1580 mm Hot Strip Mills［J］. Iron and Steel,2011, 46(3):47-50.
［2］SHAW D，应俞岳，黄云辉. 带钢板形控制技术及目标板形的经济影响［J］. 钢铁技术,2004（5）:40-50.
SHAW D, YING Yuyue, HUANG Yunhui. Control Technology of Strip Shape and Economic Influence of Target Shape［J］. Technology of Iron and Steel, 2004（5）:40-50.
［3］陈胜利，何安瑞，徐致让，等. 一个轧制单元内实时辊系综合凸度预测及应用［J］. 机械工程学报，2017, 53(2):61-66.
CHEN Shengli, HE Anrui, XU Zhirang,et al. Real-time Rolls Integrated Crown Prediction and Application within a Rolling Unit［J］. Journal of Mechanical Engineering, 2017, 53(2):61-66.
［4］CHAKRABORTI N, KUMAR B, BABU V, et al. Optimizing Surface Profiles during Hot Rolling:a Genetic Algorithms Based Multi-objective Optimization［J］. Computational Materials Science, 2006, 37(1/2):159-165.
［5］曹建国，江军，赵秋芳，等. 基于数据挖掘的宽厚板板凸度控制［J］. 中南大学学报(自然科学版)，2019, 50(1):2743-2752.
CAO Jianguo, JIANG Jun, ZHAO Qiufang, et al. Wide and Heavy Plate Crown Control Based on Data Mining［J］. Journal of Central South University (Science and Technology),2019, 50(1):2743-2752.
［6］黄长清，李滔. 基于极限学习机的板形预测模型［J］. 机械科学与技术，2014, 33(4):592-595.
HUANG Changqing, LI Tao. A Prediction Model for Strip Profile Based on the Extreme Learning Machine［J］. Mechanical Science and Technology for Aerospace Engineering, 2014, 33(4):592-595.
［7］DENG J, SUN J, PENG W,et al. Application of Neural Networks for Predicting Hot-rolled Strip Crown［J］. Applied Soft Computing, 2019, 78:119-131.
［8］崔伟东，周志华，李星. 支持向量机研究［J］. 计算机工程与应用，2001 (1):58-61.
CUI Weidong, ZHOU Zhihua, LI Xing. Research on Support Vector Machine［J］. Computer Engineering and Applications, 2001 (1):58-61.
［9］董辉，傅鹤林，冷伍明. 支持向量机的时间序列回归与预测［J］. 系统仿真学报，2006, 18(7):1785-1788.
DONG Hui, FU Helin, LENG Wuming. Support Vector Machines for Time Series Regression and Prediction［J］. Journal of System Simulation, 2006,18 (7):1785-1788.
［10］SIKDAR S, KUMARI S. Neural Network Model of the Profile of Hot-rolled Strip［J］. The International Journal of Advanced Manufacturing Technology, 2009, 42(5/6):450-462.
［11］STORN R, PRICE K. Differential Evolution—A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces［J］. Journal of Glo-bal Optimization, 1997, 11(4):341-359.

[1]	魏书鹏, 唐红涛, 李西兴, 杨冠宇, 张健. 考虑双资源约束的柔性机械加工车间逆调度问题研究[J]. 中国机械工程, 2024, 35(03): 457-471.
[2]	岳建锋, 龙新宇, 黄云龙, 郭嘉龙, 刘文吉. 基于电弧声信号的窄间隙脉冲熔化极气体保护焊侧壁熔合状态在线识别[J]. 中国机械工程, 2024, 35(02): 244-250，259.
[3]	胡博, 罗炜韬, 王少飞, 蓝希旺. 基于支持向量机参数优化的高温合金表面缺陷磁异常定量研究[J]. 中国机械工程, 2023, 34(17): 2058-2064.
[4]	李向杰, 张向文, . 基于人工蜂群支持向量机的电动汽车制动意图识别方法[J]. 中国机械工程, 2021, 32(17): 2125-2135.
[5]	张源, 陶翼飞, 王加冕. 改进差分进化算法求解混合流水车间调度问题[J]. 中国机械工程, 2021, 32(06): 714-720.
[6]	丁嘉鑫;王振亚;姚立纲;蔡永武. 广义复合多尺度加权排列熵与参数优化支持向量机的滚动轴承故障诊断[J]. 中国机械工程, 2021, 32(02): 147-155.
[7]	何飞1,2;杜学飞1,2;王朝俊1,2. 基于对比格兰杰因果关系的热轧带钢头部拉窄根因诊断[J]. 中国机械工程, 2020, 31(19): 2340-2346.
[8]	余杭卓1;秦圣峰1,2;丁国富1;江磊1;梁红琴1. 侧铣加工刀具回转轮廓误差预测技术研究[J]. 中国机械工程, 2020, 31(03): 306-313.
[9]	张健民, 单旭沂. [工程应用]热轧产线智能制造技术应用研究——宝钢1580热轧示范产线[J]. 中国机械工程, 2020, 31(02): 246-251.
[10]	王福斌1;潘兴辰1;孙宇舸2;郭宝军3. 钢坯拉速模糊信息粒化及钢坯定重切割的极限学习机预报[J]. 中国机械工程, 2019, 30(24): 2968-2973.
[11]	徐亚旋;刘梁;常思勤;胡茂杨. 电磁驱动配气机构的发动机分缸工作一致性控制[J]. 中国机械工程, 2019, 30(21): 2546-2553.
[12]	宁静;冉伟;种传杰;陈春俊. 基于S变换的高速列车小幅蛇行识别方法[J]. 中国机械工程, 2019, 30(09): 1097-1102,1110.
[13]	何刘海;吴桂娇;王平. 基于支持向量机决策树的航空发动机轴心轨迹识别方法[J]. 中国机械工程, 2019, 30(08): 969-974.
[14]	王福斌1, 2;孙海洋1;TU Paul2. 边缘扩展的皮带撕裂支持向量机视觉检测[J]. 中国机械工程, 2019, 30(04): 455-460.
[15]	唐秋华1,2,3;成丽新1,2,3;张利平1,2,3. 扰动累积下基于机器学习的重调度方式选择[J]. 中国机械工程, 2019, 30(04): 472-479.

[成形质量的闭环与自适应控制技术]热轧带钢出口凸度数据驱动建模及智能化预测分析

Data-driven Modeling and Intelligent Prediction Analysis for Hot Strip Outlet Crowns

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics