摘要：板形是冷轧带材产品质量的关键指标，工业中通过板形测控系统实现板形自动检测与控制。板形预报模型是板形控制系统的基础，建立高精度、高速度、高鲁棒性的板形预报模型对提高板形控制精度具有重要意义。本文采用集成学习方法研究一种精度高、泛化能力强的冷轧带材板形预报方法。首先，以工业大数据为基础构建模型训练所需数据集，具有数据规模大、板形多样化程度高的特点。根据轧机与板形仪间的相对位置进行时间滞后补偿处理，消除数据之间的时间不同步。利用数据挖掘技术中的孤立森林算法对数据中的异常点进行清洗，提高了训练数据质量和模型性能。其次，基于极端梯度提升算法搭建多通道板形并行预报架构，利用处理后生产数据对此架构进行训练，得到冷轧带材板形预报模型(CCFD＿M)。最后，以模型CCFD＿M为基础，提出板形通道优化算法消除预报结果的“伪板形”问题，得到实用版冷轧带材板形预报模型(CCFD＿OM)。经测试集验证，模型CCFD＿OM的预报误差指标MAE和RMSE分别达到0.4044I和0.6816I，拟合性能指标R2达到了0.83，能够满足实际生产要求。
文章目录
0 引言
1 数据采集与处理
1.1 板形检测原理
1.2 数据采集与特征提取
1.3 时间滞后补偿
1.4 数据剔除与数据清洗
2 多通道板形并行预报模型
2.1 XGBoost算法
2.2 板形预报模型
2.3 板形通道维度优化
3 结果分析
4 结论
