典型文献
基于密度聚类协同深度残差网络的热连轧宽度预测
文献摘要：
在热连轧轧制规程设定中,因在换辊后首卷、产品换钢种、换规格、润滑条件和温度波动等非稳态轧制过程中,模型预测误差较大,造成带钢三维尺寸波动大等问题.本文提出了一种基于密度聚类协同深度残差网络的热连轧宽度预测方法,提高热轧带钢粗轧过程的宽度设定精度.首先,根据数据在高维特征中的密度分布将相似的数据归为同一类簇,并剔除数据采集误差导致的离群值.然后,将划分后的类簇单独训练,采用深度前馈全连接神经网络,并借助残差网络优化网络结构,改善深层网络的性能退化问题,训练最优模型进行预测.最后,将所构建的浅层网络与未优化的深层网络进行对比和结构优化,并将优化后的模型应用于热连轧粗轧过程狗骨回复和自由宽展预测模型,从而实现立辊开口度的精准设定.应用结果表明,基于支持向量回归(support vector regression,SVR)、深度神经网络(deep neural network,DNN)、深度残差网络(deep re-sidual network,DRN)的模型宽度设定值与实测值偏差在8 mm以内的命中率分别为52.3％、79.6％、92.1％,在12 mm以内的命中率分别为59.1％、90.9％、96.2％,可以看出,基于密度聚类协同深度残差网络的热连轧宽度的预测,DRN模型精度明显优于SVR和DNN模型.
文献关键词：
热连轧粗轧;宽度预测;神经网络;深度学习;聚类分析;残差网络
中图分类号：
作者姓名：
丁敬国;倪晔;孙丽荣;李贺;李旭;张殿华
作者机构：
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;山东钢铁集团日照有限公司热轧厂,山东 日照276806
文献出处：
引用格式：
[1]丁敬国;倪晔;孙丽荣;李贺;李旭;张殿华-.基于密度聚类协同深度残差网络的热连轧宽度预测)[J].冶金自动化,2022(06):67-77
A类：
自由宽展
B类：
基于密度,密度聚类,深度残差网络,宽度预测,轧轧,轧制规程,换辊,首卷,钢种,润滑,温度波动,非稳态,轧制过程,预测误差,高热,热轧带钢,高维特征,密度分布,将相,除数,离群值,前馈,全连接神经网络,助残,网络优化,深层网络,性能退化,最优模型,模型应用,热连轧粗轧,回复,开口度,支持向量回归,support,vector,regression,SVR,深度神经网络,deep,neural,network,DNN,sidual,DRN,模型宽度,设定值,实测值,命中率,模型精度
AB值：
0.367713
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
