申请/专利权人：东北大学

申请日：2024-03-11

公开（公告）日：2024-04-12

公开（公告）号：CN117862247A

主分类号：B21B37/28

分类号：B21B37/28

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提供一种基于机器学习的轧制过程带钢板形预测方法，涉及带钢轧制技术领域，本发明使用误差逆反馈人工神经网络建立带钢板形预测模型并确定了其最佳隐藏层神经元数量和学习速率；通过遗传算法优化，得到了基于遗传算法的人工神经网络（GA‑BP）预测模型，以更加精确、稳定地实现板形预测。具体包括：对原始工业数据进行预处理得到实验数据，确定板形预设定控制思路；依据上述实验数据训练人工神经网络，搭建基于BP神经网络的板形预测模型；通过遗传算法GA优化上步骤得到的BP模型，得到GA‑BP预测模型；根据模型评估指标，预测性能对比，选取最优模型，进行预测。本发明能够提高带钢板形预测的精度、增强适用性。

主权项：1.一种基于机器学习的轧制过程带钢板形预测方法，其特征在于，包括以下步骤：步骤1：原始数据采集：进行轧制数据采集及整理；所述的轧制数据是从现场轧制数据中所得到原始数据集，其包括工艺参数变量和板形值变量；步骤2：对原始数据进行预处理得到实验数据集；所述步骤2具体包括以下步骤：步骤2.1：对原始数据进行预处理，对预处理之后的数据建立实验数据集；所述步骤2.1具体包括以下步骤：步骤2.1.1：剔除原始数据中高度异常的异常数据值，采用“拉依达准则”判断异常值，之后剔除该异常值；；式中，xi为原始数据集中的数据值i，为原始数据集的平均值，为原始数据集的标准差；步骤2.1.2：对步骤2.1.1得到数据进行平滑处理，消除噪音，具体采用“加权移动平均法”对数据进行平滑处理，公式如下：；式中，为数据值n+1的加权平均数，为数据值i的权重值，，为移动跨期；平滑处理具体操作如下：首先设置n个等距点，且实验数据；之后在每个数据点前后各取相邻的两个点，并用三次多项式进行逼近：；最后根据最小二乘法确定系数、、和，得如下“五点三次平滑”公式对数据进行平滑处理：； ；；；；式中，为平滑处理后的数据值i；步骤2.1.3：对步骤2.1.2得到的数据进行归一化处理，具体采用“线性函数法”对数据进行归一化处理，对于处理后所得的实验数据集，将其归一化到范围内：；式中，为原始数据集中的最大值，为原始数据集中的最小值；步骤2.2：对步骤2.1.3处理后所得的实验数据集，按照设定比例将其划分为训练集、测试集以及验证集；步骤3：确定板形预设定控制方案：确定板形预设定计算调节的优先级、选取计算初值和极限值；根据轧辊倾斜角、工作辊弯辊力、中间辊弯辊力三种调节参数，将设定计算的优先级划分为轧辊倾斜角、工作辊弯辊力、中间辊弯辊力；步骤4：依据步骤2.2的实验数据集训练人工神经网络，搭建基于BP神经网络的板形预测模型；步骤5：通过遗传算法优化基于BP神经网络的板形预测模型，得到GA-BP预测模型；步骤6：根据模型评估指标进行预测性能对比基于BP神经网络的板形预测模型与GA-BP预测模型，选取最优模型。

全文数据：

权利要求：

百度查询： 东北大学 一种基于机器学习的轧制过程带钢板形预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD