基于数据挖掘的宽厚板板凸度控制

针对某宽厚板CVC plus大型骨干工业轧机存在板凸度偏大且难以控制的问题,对现场轧制过程工艺及板凸度质量数据进行跟踪采集和分析,通过数据转换、提炼和集成建立标准的数据挖掘数据集,基于历史生产数据建立宽厚板板凸度随机森林预测模型,应用主成分分析以及减法聚类离散化方法进行数据的预处理,通过关联规则挖掘和控制变量影响力评估实现不同产品质量状态下关键控制变量的快速定位,并将其应用于典型规格宽厚板关键工艺参数调整策略;建立三维有限元耦合模型用于调整策略的仿真分析。研究结果表明:3种典型规格宽厚板板凸度分别下降30.9%,14.7%和23.9%;基于数据挖掘提出的调整策略可以有效改善板凸度控制情况,可为宽厚板板形质量控制研究提供参考。

基于神经网络的中厚板凸度预报

应用改进BP神经网络建立中厚板凸度预报的三层神经网络预报模型,用自适应学习速率法和附加动量法两种改进BP算法结合起来训练神经网络模型。试验仿真结果表明,该模型对测试数据预报结果均在3%之内,精度高,训练速度较快,具有很好的实用性。