计量学报

作者：孙浩,叶国良,翟博豪,呼子宇,赵志伟

单位：1. 燕山大学 智能控制系统与智能装备教育部工程研究中心, 河北 秦皇岛 066004; 2. 燕山大学 电气工程学院, 河北 秦皇岛 066004;

关键词：计量学; 轧制力预测; 冷连轧;机器学习; 循环自编码网络

基金：国家自然科学基金(62003296, 62073276, 61803327); 河北省自然科学基金(F2020203031, E2019105123); 河北省高等学校科学技术研究项目(QN2020225, ZD2019311)

在钢铁冷连轧生产过程中,轧制力预测结果直接影响带材的轧制精度和产品质量。为进一步提高轧制力预测精度,同时实现模型的在线更新,避免漂移问题,提出了基于循环自编码网络的轧制力模型。首先,使用循环自编码网络对处理好的输入数据进行特征提取,为了加速网络训练,加入了小批量训练方法,然后使用高斯过程回归模型对提取到的特征进行回归拟合。仿真结果表明,该模型预测精度可达3%以内,能够实现轧制力的高精度在线预测。

来源：2022年第9期

《计量学报》期刊编辑部

查看计量学报杂志2022年第9期