摘要: 为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.
中图分类号:
彭文, 姬亚锋, 陈小睿, 张殿华. 热轧非稳态过程轧制力自学习模型优化[J]. 东北大学学报:自然科学版, 2019, 40(10): 1408-1412.
PENG Wen, JI Ya-feng, CHEN Xiao-rui, ZHANG Dian-hua. Optimization of Rolling Force Self-learning Model in Unsteady Process of Hot Rolling[J]. Journal of Northeastern University Natural Science, 2019, 40(10): 1408-1412.