基于数据驱动的卷取温度关键因子研究

在热连轧生产过程中,卷取温度控制精度是决定产品质量优劣的关键参数之一。以换热机理模型为基础,通过实际生产数据和过程参数的综合分析,在综合考虑终轧温度、带钢厚度等因素的基础上,深入研究了穿带速度、冷却水温以及季节变化等关键因子对卷取温度模型的影响并对模型进行了修正和优化。同时,采用机器学习算法构建了基于合金成分的卷取温度偏差补偿模型,并对不同算法进行对比分析。研究结果表明:随机森林预测模型在提高卷取温度控制精度方面表现优异。研究成果应用于实际生产厚度h≤6.0 mm、6.0 mm<h≤13.0 mm、h>13.0 mm带钢平均卷取温度合格率分别提升了3.07%、3.82%、4.68%,为进一步提升卷取温度控制精度提供了新的有效途径。