[发明专利]一种在线预测钢板组织性能的方法

权利要求书

1.一种在线预测钢板组织性能的方法，其特征在于包括如下步骤：

步骤1：建立深度神经网络

首先确立输出层单元，将水冷换热系数作为深度神经网络的输出单元；

其次是确立输入层单元，输入层单元主要由影响水冷换热系数的参数所确定；

最后是确立隐含层单元，选取隐含层层数、隐含层单元数、传播算法和正则化方法四个变量作为隐含层实验变量；

步骤2：训练深度神经网络

采用单一变量法训练深度神经网络，对水冷换热系数因子进行预测，筛选出最优模型结构；

步骤3：力学性能预测

利用最优模型结构对钢板进行力学性能预测。

2.根据权利要求1所述在线预测钢板组织性能的方法，其特征在于采用主成分分析法对数据进行预处理，选出9个权重较大影响因子作为神经网络的输入层参数导入神经网络模型，包括板材厚度、C含量、Cr含量、Cu含量、Mn含量、冷却水温度、空气温度、终轧温度、目标终冷温度、集管流量、辊速。

3.根据权利要求1所述在线预测钢板组织性能的方法，其特征在于在钢板力学性能预测的基础上对各项参数的影响权重、影响规律进行逆向分析，根据分析结果来指导生产工艺优化。

4.根据权利要求1所述在线预测钢板组织性能的方法，其特征在于利用热图像面阵在线测温系统，根据钢板运动速度、热图像采样帧率匹配后，给出钢板的纵向温度分布，将整张钢板划分为小区间，对各个小区间进行组织性能预测。

5.根据权利要求1所述在线预测钢板组织性能的方法，其特征在于根据对钢板头尾性能的预测，指导后道精整切割头尾圆弧长度。

6.根据权利要求1所述在线预测钢板组织性能的方法，其特征在于最优模型结构，神经网络模型隐含层为3层，隐含层单元为100个。

7.根据权利要求1所述在线预测钢板组织性能的方法，其特征在于传播算法中，激活函数采用Relu函数，优化算法采用Adam优化算法。

8.根据权利要求1所述在线预测钢板组织性能的方法，其特征在于正则化方法采用L2正则化与Dropout正则化共用。