發(fā)布時(shí)間：2021-02-04 06:42

　　近幾年來(lái),熱軋鋼材已廣泛應(yīng)用于建筑、橋梁、管道、汽車(chē)、船舶、鐵路、工程機(jī)械、壓力容器等許多行業(yè)和領(lǐng)域。這些關(guān)鍵領(lǐng)域都密切涉及到民生和公共安全,因此要求熱軋產(chǎn)品必須具有良好的產(chǎn)品質(zhì)量,特別是抗拉強(qiáng)度、屈服強(qiáng)度和延伸率等力學(xué)性能。傳統(tǒng)的熱軋產(chǎn)品質(zhì)量檢驗(yàn)會(huì)隨機(jī)抽取少量樣品來(lái)測(cè)量這些樣品鋼的力學(xué)性能。然而,這種抽樣檢驗(yàn)的方式會(huì)花費(fèi)大量的時(shí)間和人力。鋼材在冶煉和熱軋過(guò)程中,軋件的微觀組織會(huì)發(fā)生一系列復(fù)雜的變化,直接決定了鋼材本身的力學(xué)性能。因此,用化學(xué)成分和熱軋工藝參數(shù)預(yù)測(cè)其力學(xué)性能具有重要的理論意義和應(yīng)用價(jià)值。由于熱軋生產(chǎn)是一個(gè)高實(shí)時(shí)性的動(dòng)態(tài)工藝過(guò)程,會(huì)受到各種隨機(jī)因素的干擾,同時(shí)也包含了海量的工藝參數(shù)。因此,Irvine提出的理論數(shù)學(xué)模型預(yù)測(cè)方法基于很多近似的假設(shè),僅適用于理想環(huán)境和理論分析。近年來(lái),隨著人工神經(jīng)網(wǎng)絡(luò)的提出和發(fā)展給熱軋產(chǎn)品性能預(yù)報(bào)提供了有效的技術(shù)工具,預(yù)測(cè)精度得到了極大的提高。然而,由于人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法的限制,對(duì)當(dāng)前海量的實(shí)時(shí)工業(yè)生產(chǎn)數(shù)據(jù)已經(jīng)無(wú)法得到有效的訓(xùn)練和學(xué)習(xí),不能滿足用戶日益提高的精度預(yù)測(cè)需求。本文提出基于深度神經(jīng)網(wǎng)絡(luò)的熱軋產(chǎn)品性能預(yù)報(bào)模型,利用深度前饋神經(jīng)... 

【文章來(lái)源】：武漢科技大學(xué)湖北省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文的主要研究工作和結(jié)構(gòu)安排
第2章 鋼鐵性能預(yù)報(bào)與深度神經(jīng)網(wǎng)絡(luò)
    2.1 鋼鐵軋制工藝簡(jiǎn)介
        2.1.1 熱軋工藝流程
        2.1.2 化學(xué)成分對(duì)熱軋板帶性能影響
        2.1.3 熱軋溫度對(duì)板帶性能影響
        2.1.4 力學(xué)性能指標(biāo)分析
    2.2 深度學(xué)習(xí)理論基礎(chǔ)
        2.2.1 人工神經(jīng)網(wǎng)絡(luò)模型
        2.2.2 深度學(xué)習(xí)流程
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.4 局部連接和權(quán)值共享
        2.2.5 卷積層和亞采樣層
    2.3 本章小結(jié)
第3章 基于深度前饋神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型研究
    3.1 數(shù)據(jù)來(lái)源及預(yù)處理
        3.1.1 數(shù)據(jù)來(lái)源
        3.1.2 數(shù)據(jù)清洗
        3.1.3 數(shù)據(jù)標(biāo)準(zhǔn)化
        3.1.4 模型性能度量
    3.2 深度前饋神經(jīng)網(wǎng)絡(luò)模型構(gòu)建
        3.2.1 激活函數(shù)選擇
        3.2.2 目標(biāo)優(yōu)化算法
        3.2.3 添加BatchNormalization
        3.2.4 模型調(diào)優(yōu)
        3.2.5 加入正則優(yōu)化
    3.3 結(jié)果分析
    3.4 與傳統(tǒng)方法比較
    3.5 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型研究
    4.1 基于CNN的鋼鐵性能預(yù)測(cè)模型構(gòu)建
        4.1.1 基于卷積神經(jīng)網(wǎng)絡(luò)鋼鐵性能預(yù)測(cè)模型結(jié)構(gòu)
        4.1.2 基于卷積神經(jīng)網(wǎng)絡(luò)鋼鐵性能預(yù)測(cè)過(guò)程
    4.2 實(shí)驗(yàn)驗(yàn)證分析
        4.2.1 卷積核個(gè)數(shù)
        4.2.2 卷積層層數(shù)
        4.2.3 卷積窗口大小
        4.2.4 學(xué)習(xí)速率
    4.3 結(jié)果分析
    4.4 本章小結(jié)
第5章 結(jié)論與展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的論文
大摘要


【參考文獻(xiàn)】：
期刊論文
[1]基于PSO-BP神經(jīng)網(wǎng)絡(luò)雙機(jī)架爐卷軋機(jī)軋制力的預(yù)測(cè)[J]. 王智,張果,王劍平,楊俊東,楊奇,尹麗瓊.  鋼鐵研究. 2017(03)
[2]帶鋼熱軋過(guò)程厚度分配的仿真分析[J]. 秦建春,張果,王劍平,楊曉洪,楊俊東,楊奇,尹麗瓊.  鋼鐵研究. 2016(03)
[3]鋼鐵冶金過(guò)程動(dòng)態(tài)數(shù)學(xué)模型的研究進(jìn)展[J]. 陳林根,夏少軍,謝志輝,劉曉威,沈勛,孫豐瑞.  熱科學(xué)與技術(shù). 2014(02)
[4]熱軋中厚板沖擊功的神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型[J]. 譚文,劉振宇,吳迪,王國(guó)棟,王春梅.  鋼鐵. 2007(02)
[5]鋼筋軋后控冷的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[J]. 劉維廣,呂立華,張勇偉,詹華,劉舸.  鋼鐵研究. 2007(01)
[6]用人工神經(jīng)網(wǎng)絡(luò)模型研究微量元素對(duì)鋼力學(xué)性能的影響[J]. 劉貴立,張國(guó)英,曾梅光.  鋼鐵研究. 2000(01)

博士論文
[1]轉(zhuǎn)爐低成本煉鋼相關(guān)技術(shù)研究及模型開(kāi)發(fā)[D]. 韓嘯.北京科技大學(xué) 2017
[2]基于深度學(xué)習(xí)的圖像分類方法研究[D]. 孟丹.華東師范大學(xué) 2017
[3]熱軋帶鋼的相變和力學(xué)性能模型研究及應(yīng)用[D]. 王蕾.北京科技大學(xué) 2017
[4]CLAM鋼高溫組織演變與力學(xué)性能研究[D]. 黃禮新.燕山大學(xué) 2014
[5]煉鋼—連鑄—熱軋生產(chǎn)過(guò)程中若干優(yōu)化問(wèn)題研究[D]. 譚園園.東北大學(xué) 2012

碩士論文
[1]基于深度學(xué)習(xí)的室內(nèi)時(shí)空客流預(yù)測(cè)[D]. 李邦鵬.浙江大學(xué) 2017
[2]基于深度學(xué)習(xí)的氣象溫度預(yù)測(cè)研究[D]. 劉鑫達(dá).寧夏大學(xué) 2016
[3]基于深度學(xué)習(xí)的搜索廣告點(diǎn)擊率預(yù)測(cè)方法研究[D]. 李思琴.哈爾濱工業(yè)大學(xué) 2015
[4]熱軋工藝對(duì)IF鋼組織和織構(gòu)影響機(jī)制的研究[D]. 賈明霞.山東農(nóng)業(yè)大學(xué) 2014
[5]熱軋板卷性能預(yù)報(bào)系統(tǒng)設(shè)計(jì)與應(yīng)用[D]. 戴亞輝.東北大學(xué) 2012
[6]基于數(shù)據(jù)挖掘的馬鋼CSP熱軋板卷的性能預(yù)測(cè)[D]. 張祝亭.安徽工業(yè)大學(xué) 2012
[7]鋼材性能和工藝參數(shù)的交叉預(yù)測(cè)模型研究[D]. 楊鳳海.武漢科技大學(xué) 2012
[8]鋼材力學(xué)性能預(yù)測(cè)系統(tǒng)的研發(fā)[D]. 于子金.東北大學(xué) 2010
[9]基于人工神經(jīng)網(wǎng)絡(luò)的逆模型在熱軋板帶生產(chǎn)中的應(yīng)用研究[D]. 栗景樹(shù).昆明理工大學(xué) 2010
[10]數(shù)據(jù)挖掘在熱軋板帶質(zhì)量預(yù)測(cè)中的應(yīng)用[D]. 鄭楊元.昆明理工大學(xué) 2009



本文編號(hào)：3017903