机理和数据融合的304不锈钢极薄带轧制力模型

304不锈钢精密极薄带广泛应用于数码电子、航空航天、医疗设备、汽车制造等高端领域。在冷轧生产过程中,轧制力是一项至关重要的参数,它的设定精度直接影响轧制过程的稳定性以及最终产品的厚度精度。为了提高冷轧304不锈钢极薄带轧制力的预测精度,在森基米尔轧机上针对304不锈钢极薄带进行轧制试验,并据此建立了适用于超薄规格304不锈钢极薄带的动态变形抗力模型,修正了传统Bland-Ford-Hill轧制力机理模型。将修正的轧制力机理模型与遗传算法(GA)优化XGBoost参数相融合构建了高精度GA-XGBoost轧制力预测模型,该模型不仅考虑了轧制力的非线性问题,还将机理与数据相融合来实现轧制力的精准预测。与相同数据集下其他典型机器学习算法所建立的轧制力预测模型进行对比分析,采用相关系数(R~2)、平均绝对误差(E_(MA))、均方根误差(E_(RMS))和平均绝对百分误差(E_(MAP))多个指标全方位、多角度对模型的泛化性能进行评价,结果表明,所提出的GA-XGBoost轧制力预测模型的预测结果最为精确,其测试集各指标分别为R~2值为0.984,E_(MA)值为3.040,E_(RMS)值为6.410以及E_(MAP)值为0.041%。研究结果证明了所提出的机理和数据双驱动的轧制力预测模型的准确性和优越性。该研究为304不锈钢精密极薄带材轧制力的设定提供了一种新思路。