-
题名多源数据驱动的轧机振动预测及可解释性分析
- 1
-
-
作者
张阳
段振杰
王思静
林然锰
杜晓钟
王威中
-
机构
太原科技大学机械工程学院
-
出处
《噪声与振动控制》
CSCD
北大核心
2024年第3期16-21,55,共7页
-
基金
国家自然科学基金资助项目(52375366,51905365)
山西省科技重大专项资助项目(20181102015)
2022年度山西省研究生教育创新资助项目(2022Y675)。
-
文摘
为研究轧制过程动态工艺参数对轧机振动的影响规律,改善现有研究中机理模型精度较低且数据模型缺乏可解释性的问题,采用极端梯度提升(Extreme Gradient Boosting,XGBoost)算法建立基于多源数据的轧机振动预测模型,并使用SHapley Additive exPlanations(SHAP)框架对预测模型进行解释。通过与其他预测模型相比,XGBoost预测模型可以利用工艺参数实现对轧机运行状态的高精度预测。基于SHAP框架解释的结果表明,出入口厚度、轧制力、轧制速度对轧机振动影响较大,后张力对轧机振动影响较小。研究为提高轧机设备与工艺参数的匹配度,实现将工业数据应用于轧机振动预测和分析提供理论基础。
-
关键词
振动与波
轧机振动
工业数据
工艺参数
极端梯度提升
SHAP解释方法
-
Keywords
vibration and wave
rolling mill vibration
industrial data
process parameters
extreme gradient lifting
SHAP interpretation method
-
分类号
TH113.1
[机械工程—机械设计及理论]
-