首页|基于梯度提升算法的轧后冷却区内带钢运行速度预测

基于梯度提升算法的轧后冷却区内带钢运行速度预测

Prediction of strip running speed in cooling zone after rolling based on gradient boosting algorithm

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
卷取温度是影响成品带钢组织性能的重要指标之一,在影响卷取温度控制精度的诸多因素中,带钢运行速度尤为重要.针对生产过程中轧后冷却区内带钢运行速度因受到终轧温度控制模型的影响变得难以预测的问题,结合大量现场生产数据,采用基于数据驱动的梯度提升决策树算法(gradient boosting decision tree,GBDT)预测带钢样本点在精轧出口的速度,并与随机森林模型(random forest,RF)和支持向量机回归模型(support vector regression,SVR)进行对比分析.模型对比结果表明,GBDT模型的平均绝对误差EMA(mean ab-solute error,MAE)最小,为0.071 79,预测精度和泛化性能均好于对比模型,实现了轧后冷却区内带钢运行速度的高精度预测,为前馈控制提供了有效的参考数据,对卷取温度的高精度控制具有重要意义.

hot-rolled stripcooling after rollingvelocity predictiontime-velocity-distance(TVD)curvegradient boosting

丁鹿西、龚殿尧、田宝钱、郝秋宇、徐建忠、王秋娜

展开 >

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

首钢股份公司迁安钢铁公司热轧厂,河北迁安 064404

热轧带钢 轧后冷却 速度预测 时间-速度-位置曲线 梯度提升

2023

10.3969/j.issn.1000-7059.2023.04.007

冶金自动化
冶金自动化研究设计院

冶金自动化

影响因子：0.685
ISSN：1000-7059
年,卷(期)：2023.47(4)
  • 1
  • 12