论文部分内容阅读
热轧带钢力学性能在线预测技术能够优化生产工艺、改善成品质量。为此,在传统数学模型的基础上,采用Bayes神经网络建立了热轧带钢力学性能在线预测新模型。介绍了基于Bayes理论方法的神经网络、数据预处理方法、数据平台的搭建,力学性能在线预测模型输入参数的选择,以及基于某1780 mm热轧带钢生产线,对以SPA-H、510L、610L为代表的典型钢种带钢力学性能的预测精度。结果表明,屈服强度预测相对误差在±6%范围内,抗拉强度预测相对误差在±6%范围内,伸长率预测相对误差在±4%范围内。在线预测系统的开发与应