%A 王东城 徐扬欢 段伯伟 汪永梅 刘宏民 %T 数据驱动的热轧带钢边部线状缺陷智能预报模型 %0 Journal Article %D 0 %J 钢铁 %R %P 0-0 %V %N %U {http://www.chinamet.cn/Jweb_gt/CN/abstract/article_152298.shtml} %8 2020-11-15 %X 边部线状缺陷是热轧带钢易发缺陷,不仅严重影响成材率,还可能对热轧下游工序生产过程造成影响。边部线状缺陷的影响因素复杂多变,建立精确的机理预报模型十分困难。为此,本文首先分析边部线状缺陷的主要影响因素;然后以现代智能方法为基础,分别建立了基于逻辑回归与神经网络的边部线状缺陷智能预报模型,并分析了两个模型的精度与泛化能力;最后,以神经网络智能预报模型为基础,对加热工艺参数进行优化,使缺陷发生率与封闭率均大幅降低。本文研究结果对于提高热轧带钢表面质量具有实际意义,可推广应用于同类轧线。