Artificial intelligence-driven wedge shape control in hot strip rolling based on predictive optimization and data-driven validation

doi:10.1016/j.engappai.2026.115539

Artificial intelligence-driven wedge shape control in hot strip rolling based on predictive optimization and data-driven validation

2026-07-01

0

PRE

AI

DOI：10.1016/j.engappai.2026.115539

原文链接

原文求助

摘要

En 中文

楔形形状是热轧带钢横断面质量的关键指标，但其控制因机架间延迟、非线性动力学和随机扰动而具有挑战性。为解决这些挑战，本研究开发了一种基于人工智能（AI）的控制框架，用于精轧阶段的精密楔形调节。提出了考虑机架间时延效应的模型预测控制（MPC）策略，并采用遗传算法（GA）离线优化其成本函数的权重参数，以在物理约束下实现多机架间的自适应控制力分配。为评估工业条件下的控制性能，构建了支持向量回归（SVR）模型作为数据驱动的虚拟工厂，基于关键工艺参数预测楔形偏差。在1580毫米热轧带钢厂生产硅钢的工业实施表明，所提出的策略提高了楔形形状的一致性，使楔形偏差在正负20微米范围内的带钢长度比例提高了约五个百分点，并使卷材合格率提高了10.56个百分点。这些结果证实，将基于人工智能的优化与预测控制相结合，为楔形形状控制提供了有效且工业可行的解决方案。

Keyword:

Artificial intelligence

Hot strip rolling

Wedge shape control

Predictive control

Data-driven modeling

Industrial process optimization

Artificial intelligence-driven wedge shape control in hot strip rolling based on predictive optimization and data-driven validation

摘要

期刊

机构

引用论文