.png){kind=icon}
返回
Hot strip mill process optimization with machine learning: systematic review and methodical prediction framework based on open-source data
.png){kind=icon}
OA
AI
DOI：10.1007/s12289-026-02022-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管热轧带钢是一种已建立数十年的基础工艺，但工业界和学术界仍在持续优化轧制参数及其对最终产品的影响。主要问题是，热轧卷材的几何误差（如后续在冷轧等下游工艺中加工时）只能在有限程度上进行事后修正。因此，数据驱动方法，特别是机器学习（ML），在预测热轧带钢轧机（HSM）中的关键工艺和品质变量（如带钢厚度、宽度和板形）方面日益重要。为提供当前研究现状的系统性概述，本文对基于ML的预测方法进行了系统文献综述，重点关注HSM中相关品质和工艺参数。所考察的研究按预测变量、设备分区和建模方法进行分类，特别关注其与潜在工艺优化的相关性。在第二步中，针对文献检索的主要关注领域，使用公开可用的HSM数据集实现了代表性预测模型。这些模型在方法论上基于已发表文献的核心部分，采用常用ML算法，并支持讨论数据集依赖性、方法论局限性以及比较不同研究报告中预测结果的挑战。通过结合文献见解与参考预测，本研究阐明了基于ML的预测在热轧带钢中的作用，概述了模型部署用于工艺优化的潜力和局限性，并识别了未来研究的关键空白。
Keyword:
Hot strip rolling
Process optimization
Machine learning
Predictive quality
Systematic review
Open-source data
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
226
被引数:
2.1K
机构
引用论文
Prediction Model of Strip Crown in Hot Rolling Process Based on Machine Learning and Industrial Data.png)
Metals
OAAI
MetalsIF0
OAAI分享收藏Quality-related prediction and monitoring of multi-mode processes using multiple PLS with application to an industrial hot strip millNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏Hybrid Model of Mathematical and Neural Network Formulations for Rolling Force and Temperature Prediction in Hot Rolling Processes用于热轧过程中轧制力和温度预测的数学和神经网络公式的混合模型IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Predictive modeling of strip width based on incremental learning and adaptive-weight fusion during the hot rolling process基于增量学习和自适应权重融合的热轧过程带钢宽度预测建模
PREAI
分享收藏Strip width spread prediction in rough rolling process based on mechanism modeling and optimization
PREAI
分享收藏分享收藏
查看更多内容