摘要: 传热系数是冷却控制模型的核心参数.传统学习模型对传热系数的修正存在不稳定、鲁棒性不强等问题.为解决上述问题,进一步提高控制精度,基于深度学习技术,建立了传热系数自学习的深度神经网络,对神经网络框架的超参数进行了优化和算法选型,增强控冷模型的稳定性.通过在某钢厂3500mm中厚板生产线的应用验证,采用深度学习的控冷模型对终冷温度预报精度有明显提高,鲁棒性较强,满足现场实际生产的需要.
中图分类号:
张田, 张子豪, 田勇, 王昭东. 深度学习在中厚板轧后超快速冷却系统中的研究与应用[J]. 东北大学学报:自然科学版, 2019, 40(5): 635-640.
ZHANG Tian, ZHANG Zi-hao, TIAN Yong, WANG Zhao-dong. Research and Application of Deep Learning Method for Plate Ultra Fast Cooling[J]. Journal of Northeastern University Natural Science, 2019, 40(5): 635-640.