基于主成分分析协同深度神经网络的带钢板凸度预测.pptxVIP

content

目录

01

研究背景与问题提出

02

理论基础与技术路线设计

03

数据预处理与特征工程构建

04

深度神经网络建模与优化策略

05

实验验证与性能对比分析

研究背景与问题提出

01

热轧带钢凸度作为衡量板形质量的核心指标，直接影响产品市场竞争力与后续加工性能

01

板凸度定义

板凸度是带钢横截面中心厚度与边部平均厚度之差，反映带钢横向厚度差异。该参数是评价板形质量的重要指标之一。其值直接影响后续加工性能。

02

影响产品质量

过大的板凸度会导致冷轧过程中出现边裂、断带等缺陷。这些问题会降低成材率并造成产品降级。严重影响企业经济效益和市场竞争力。

03

高端客户要求

汽车板和家电板等高端产品对凸度公差要求极高。通常需控制在±3μm以内。这对生产工艺精度提出了严峻挑战。

04

多因素耦合影响

板凸度受轧制力、弯辊力、温度分布及来料板形等多种因素共同作用。各因素间呈强非线性关系。导致调控过程复杂且难以建模。

05

调控难度大

由于工艺参数之间存在强耦合效应，单一调节难以有效控制凸度。实际控制中易产生过调或欠调现象。需要综合策略进行动态优化。

06

测量滞后问题

实际凸度测量只能在精轧末机架出口后进行。导致数据获取存在时间延迟。无法实时反映前道工序状态。

07

反馈控制延迟

测量滞后使得反馈信号不能及时用于过程调整。影响闭环控制系统响应速度。限制了控制精度的进一步提升。