基于深度学习的热轧产品性能预报

来源 :武汉科技大学 | 被引量 : 0次 | 上传用户:sdhok
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
钢铁工业水平是衡量一个国家工业化的重要指标。无论建筑、桥梁还是汽车制造等各行各业对热轧带钢产品的要求越来越苛刻。屈服强度、抗拉强度和延伸率是反应热轧带钢产品力学性能的重要指标。由于钢铁冶炼过程的动态性、复杂性、非线性等特点,热轧带钢的性能预报一直是冶金自动化的难题。传统的钢铁力学性能的预测,在随机采样后通过破坏性试验进行,这种方式会耗费大量的时间和精力。深度学习作为机器学习算法中一个新的发展方向,近年来在各个领域中大放异彩。深度学习以其出色的特征提取能力,受到了越来越多研究者的青睐。在深度学习中,最具代表性的模型便是卷积神经网络和循环神经网络。卷积神经网络能够从海量的数据中自动学习数据中的特征,它的局部连接方式和权值共享的特性有效减少了网络中需要计算的参数个数,降低了模型复杂度。循环神经网络能从数据中学习到时间序列的关系,解决了传统神经网络不能记忆的问题。基于以上分析,本文提出将深度学习技术应用至热轧产品的力学性能预报问题中。首先,本文基于卷积神经网络建立了热轧带钢性能预报模型,以屈服强度、抗拉强度和延伸率作为研究对象,构建了以热轧产品化学成分和工艺参数为输入变量,以力学性能为输出变量的预报模型。并针对卷积神经网络模型的结构和参数选择上进行大量对比实验,优化确定模型的结构,验证了该卷积神经网络模型在热轧带钢力学性能预报问题上的有效性。接着,考虑到传统神经网络模型不能反应热轧生产线的渐变性和连续性,本文进一步提出了用循环神经网络进行钢铁性能预报的方法。最后将实验结果与传统的SVM、BP神经网络模型进行了对比,结果表明本文提出的算法可以有效的预测钢铁力学性能,在预测精度和泛化能力上要优于传统模型。
其他文献
燃烧是人类所接触到的第一种化学反应,也可称之为最早的化学实践活动,人类掌握火种之后,接连着学会了利用火进行照明、冶炼等,但是这只是一种经验的积累。化学活动的起源很早
随着自然语言处理成为了重点的研究课题之一,自然语言处理研究领域下的神经问题生成也得到了飞速发展和应用。神经问题生成是使用深度神经网络从给定的文章或段落中提取目标
在互联网高速发展的背景下,金融行业不断提高创新力度,产生了诸多的金融创新产品,P2P网络借贷是其中最具代表性的一个类型,自2007年开始进入中国,其依靠自身收益高、门槛低以
彩色马蹄莲(Zantedeschia hybrida)是具有很好观赏性的球根花卉,深受国内外消费者所喜爱,拥有“彩色百合”的美称。现在市场上流行的彩色马蹄莲多为新西兰、荷兰、美国等国家
森林资源是地球陆地生态圈的主体,在维护生态平衡的过程中发挥关键作用。缺林少绿仍是我国面临的问题,准确识别林木种类信息则是保护森林资源的前提,针对人眼和传统固定阈值
随着控制科学、计算机科学以及传感技术等多学科的交叉发展与融合,多智能体系统的协同控制与应用已经成为控制、数学、通信、生物和人工智能等众多领域的研究热点问题之一。
姿态控制系统作为卫星至关重要的子系统,其可靠性是卫星安全稳定运行的基本保障。为了提高卫星姿控系统的可靠性,增强系统的安全性及可维护性,开展卫星姿控系统故障诊断技术研究具有重要意义。然而,卫星姿控系统组成结构复杂,遥测数据高维且非线性,空间运行环境未知,部件故障多发以及故障在闭环内传播等问题给故障诊断方法的设计带来很大的挑战。本文主要运用基于数据驱动的方法研究卫星姿控系统的故障检测与识别技术。首先,
龟纹瓢虫属鞘翅目瓢虫科,对环境适应性较强,发生代数多,繁殖率高,捕食蚜虫、叶蝉、飞虱等,是一种有利用前途的优良天敌昆虫。近年来,有关天敌昆虫的生物学、田间毒性评价、生
随着当下传统媒体与新媒体融合发展的趋势越来越快、越来越好,电视娱乐新闻节目较前期相比,在节目包装与投放渠道上丰富了许多。本篇论文根据制作一档电视娱乐新闻节目《娱情
电动助力车通过力矩传感器检测踏板上的力矩、车速及其变化情况获得车辆的运动状态,并以此来调节助力电机力矩输出,保证在多种路况下,骑行者可以获得良好的骑行体验。在电动