文献类型：期刊文章

作　　者：魏立新[1] 翟博豪[1] 赵志伟[2] 刘建朋[3] 孙浩[1]

WEI Li-xin;ZHAI Bo-hao;ZHAO Zhi-wei;LIU Jian-peng;SUN Hao(Intelligent Control System and Intelligent Equipment Engineering Research Center of Ministry of Education,Yanshan University,Qinhuangdao 066004,China;Department of Computer Science and Technology,Tangshan College,Tangshan 063000,China;Tang Steel International Engineering Technology Corp.,Tangshan 063000,China)

机构地区：[1]燕山大学,智能控制系统与智能装备教育部工程研究中心,河北秦皇岛066004 [2]唐山学院计算机科学与技术系,河北唐山063000 [3]唐钢国际工程技术股份有限公司,河北唐山063000

出　　处：《塑性工程学报》

基　　金：国家自然科学基金资助项目(61803327);河北省自然科学基金青年基金资助项目(E2018203162);河北省自然科学基金—钢铁联合研究基金资助项目(E2019105123);河北省高等学校科学技术研究项目(ZD2019311)。

年　　份：2020

卷　　号：27

期　　号：11

起止页码：70-76

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对冷连轧生产中难以建立准确的轧制力数学模型的问题,提出了基于半监督深度网络的轧制力预报模型。首先,使用堆叠去噪自编码器逐层提取输入数据的高阶特征表示。为提高特征提取的有效性,根据输入值与目标值的相关性程度,对其各维度特征损失函数施加不同比例,构成比例损失堆叠去噪自编码器。然后,使用比例损失堆叠去噪自编码器提取的高阶特征初始化深度网络,对目标值进行预测。仿真结果表明,该模型预测精度可控制在3%以内,实现了轧制力的高精度预测。

关 键 词：冷连轧 轧制力预测  半监督学习 深度网络 比例损失堆叠去噪自编码器  

分 类 号：TG335.13]