数据驱动的热轧钢板头部变形预测与智能优化

宽厚板头部形状控制是提高产品成材率的有效手段.提出一种基于数据驱动的钢板头部形状预测及控制模型.首先根据所开发的平面形状测量仪表,以多道次轧制完成后钢板的头部变形面积为测量目标,结合轧制过程数据建立了头部变形数据集.其次提出一种基于多层感知机(multi-layer perceptron,MLP)的钢板头部变形预测模型.最后基于所建立的数据驱动预测模型,采用自适应惯性权重的粒子群算法(adaptive-weighted par-ticle swarm optimization,APSO)对设定的头部变形控制参数进行优化,以减少头部变形面积.结果表明,提出的预测模型对于头部变形面积预测的平均误差为58 983mm2,优化后的头部变形参数有效减少了钢板的头部变形,相比于原有设定模型平均减少了16.85％.