基于卷積神經網絡的熱軋薄板力學性能建模

章順虎，車立志，田文皓，李言

塑性成形

基于卷積神經網絡的熱軋薄板力學性能建模

章順虎，車立志，田文皓，李言

（蘇州大學 沙鋼鋼鐵學院，江蘇 蘇州 215021）

為了提高熱軋薄板力學性能的預測精度，采用大數據與卷積神經網絡相結合的方式建立高精度的預測模型。建模前，對工業大數據進行預處理，包括去除異常值、聚類、均衡數據以及歸一化，以得到高質量的數據集。同時，采用貢獻權重法對輸入參數進行篩選，去除弱相關的變量以降低模型的復雜程度。在此基礎上，采用LeNet-5結構建立卷積神經網絡并優化模型的超參數。最終建立了熱軋薄板力學性能預測模型，該模型對屈服強度的預測誤差基本保持在?7%～8.5%，對抗拉強度的預測誤差基本保持在?5%～6%，表現出較高的預測精度。將卷積神經網絡模型與傳統的BP神經網絡模型進行了預測對比，發現卷積神經網絡能夠利用其局部連接的優勢給出更高的預測精度。

熱軋；薄板；卷積神經網絡；大數據；力學性能

熱軋薄板力學性能包括屈服強度、抗拉強度和伸長率等重要指標，這些重要指標直接決定著板材的質量，因此，上述力學性能的準確預測對指導軋制過程的優化控制具有重要意義。

關于熱軋薄板力學性能的研究一直是材料加工領域關注的焦點。截至目前，該方面的研究經歷了3個重要的階段，分別是基于物理模擬結果的機理擬合建模、以BP為代表的傳統樣本數據建模與近年來興起的大數據建模。……