公开(公告)号：CN112711867B

公开(公告)日：2023-04-18

申请号：CN202110070446.1

申请日：2021-01-19

申请人： 苏州大学

发明人： 章顺虎 ,  邓磊 ,  车立志

IPC分类号： G06F30/20 ,  G06N3/084 ,  G06N3/0499 ,  G06F119/14

摘要： 本发明实施例公开了一种融合理论模型和大数据模型的轧制力预测方法。该轧制力预测方法包括根据平辊轧制过程的特征，确定轧制力的理论模型；以实际生产数据作为研究对象，建立BP神经网络模型；以所述理论模型计算获得的轧制力预测值作为主值，基于平均误差乘法补偿原则将所述理论模型的轧制力预测误差与所述BP神经网络模型的轧制力预测误差进行比较并形成修正系数，基于所述修正系数融合所述理论模型和所述BP神经网络模型而获得整合模型，基于所述整合模型计算最终的轧制力预测值。本发明提供的轧制力预测方法能够实现既继承理论模型的结构形式，又继承了大数据模型的精度，且便于实际应用。

公开(公告)号：CN112711867A

公开(公告)日：2021-04-27

申请号：CN202110070446.1

申请日：2021-01-19

申请人： 苏州大学

发明人： 章顺虎 ,  邓磊 ,  车立志

IPC分类号： G06F30/20 ,  G06N3/08 ,  G06N3/04 ,  G06F119/14

摘要： 本发明实施例公开了一种融合理论模型和大数据模型的轧制力预测方法。该轧制力预测方法包括根据平辊轧制过程的特征，确定轧制力的理论模型；以实际生产数据作为研究对象，建立BP神经网络模型；以所述理论模型计算获得的轧制力预测值作为主值，基于平均误差乘法补偿原则将所述理论模型的轧制力预测误差与所述BP神经网络模型的轧制力预测误差进行比较并形成修正系数，基于所述修正系数融合所述理论模型和所述BP神经网络模型而获得整合模型，基于所述整合模型计算最终的轧制力预测值。本发明提供的轧制力预测方法能够实现既继承理论模型的结构形式，又继承了大数据模型的精度，且便于实际应用。

公开(公告)号：CN113569343A

公开(公告)日：2021-10-29

申请号：CN202110544669.7

申请日：2021-05-19

申请人： 苏州大学

发明人： 章顺虎 ,  邓磊 ,  车立志 ,  田文皓

IPC分类号： G06F30/17 ,  G06F30/27 ,  G06N3/08 ,  G06N3/12 ,  G06F119/14

摘要： 本申请涉及一种板材轧制厚度的控制方法、装置、系统及存储介质，其中方法包括：基于预先建立的目标轧制力预测模型，预测得到目标轧制力；所述目标轧制力预测模型为根据预先建立的轧制力理论模型与基于实际轧制参数预先训练得到的神经网络模型分别进行轧制力预测，并基于乘法补偿原则，根据轧制力理论模型和神经网络模型的预测误差得到的误差修正系数对所述轧制力理论模型进行修正后得到的；将所述目标轧制力输入预先建立的厚度预测模型，得到目标板材的预测厚度；基于所述目标板材的预测厚度与目标厚度的偏差，调整轧制参数，直至所述偏差达到预设范围，得到最终用于目标板材轧制过程的轧制参数。本申请可以解决板材厚度控制精度低的问题。