基于改进堆叠自编码器的带钢力学性能预报模型
来源期刊:冶金自动化2020年第6期
论文作者:宋勇 李博 刘超 李飞飞
文章页码:2 - 26
关键词:热轧带钢;力学性能预报;堆叠自编码器;逐层特征提取;深度学习;
摘 要:钢铁工业在智能制造转型升级过程中对产品性能预报技术提出了越来越高的要求。针对目前带钢力学性能预报模型普遍存在精度和适应性不高的问题,提出了一种基于改进堆叠自编码器的力学性能预报深度学习模型。结合CSP热连轧实际工艺流程,模型中设置多个分别代表不同工序的自编码器进行堆叠,同时将各工序的过程参数逐步输入对应的自编码器,实现对带钢组织演变过程的数据建模,并利用降噪自编码器(DAE)和稀疏自编码器(SAE)解决数据噪声大、过拟合等问题,提高力学性能预测精度,改善模型的适应性。结果显示,这种基于堆叠自编码器的力学性能预报模型综合性能更好。
宋勇1,2,李博1,2,刘超1,2,李飞飞1,2
1. 北京科技大学高效轧制国家工程研究中心2. 北京科技大学国家板带生产先进装备工程技术研究中心
摘 要:钢铁工业在智能制造转型升级过程中对产品性能预报技术提出了越来越高的要求。针对目前带钢力学性能预报模型普遍存在精度和适应性不高的问题,提出了一种基于改进堆叠自编码器的力学性能预报深度学习模型。结合CSP热连轧实际工艺流程,模型中设置多个分别代表不同工序的自编码器进行堆叠,同时将各工序的过程参数逐步输入对应的自编码器,实现对带钢组织演变过程的数据建模,并利用降噪自编码器(DAE)和稀疏自编码器(SAE)解决数据噪声大、过拟合等问题,提高力学性能预测精度,改善模型的适应性。结果显示,这种基于堆叠自编码器的力学性能预报模型综合性能更好。
关键词:热轧带钢;力学性能预报;堆叠自编码器;逐层特征提取;深度学习;