基于支持向量机回归的铸坯表面目标温度设定

特殊钢 ›› 2009, Vol. 30 ›› Issue (6): 4-6.

基于支持向量机回归的铸坯表面目标温度设定

高凤翔¹，王长松¹，吴秀永¹，陈晓²，李珂²

1北京科技大学机械电子工程系，北京100083；
2安阳钢铁公司，安阳455004

收稿日期:2009-05-03 出版日期:2009-12-01 发布日期:2022-11-14
作者简介:高凤翔(1974-),男，博士研究生，连铸过程自动化与智能控制。
基金资助:
“十一五”国家科技支撑计划资助项目 (2006BAE03A06)

Setting of Object Surface Temperature of Casting Slab Based on Support Vector Regression

Gao Fengxiang¹ , Wang Changsong¹ , Wu Xiuyong¹ , Chen Xiao² ， Li Ke²

1Mechanics-Electronic Engineering Dept，University of Science and Technology, Beijing 100083 ；
2 Anyang Iron and Steel Co Ltd, Anyang 455004

Received:2009-05-03 Published:2009-12-01 Online:2022-11-14

摘要/Abstract

摘要： 提出了一种多输入多输出支持向量机回归算法,利用冶金技术人员计算的目标温度设定表,设定实时二冷区铸坯表面目标温度。200 mm×1 534 mm 16Mn钢板坯连铸试验结果表明,在训练样本相同时,支持向量机训练时间为3.2 s,预测目标温度误差为±1℃,BP神经网络训练时间为23.5 s,预测目标温度误差为±2℃,多输入多输出支持向量机回归算法优于BP神经网络算法,能够根据工艺变化情况,实时改变目标温度,为实现连铸动态控制提供了条件,有助于提高铸坯的质量。

关键词: 铸坯表面目标温度, 二次冷却, 支持向量机回归

Abstract: A multi-input and multi-outpul support vector regression algorithm is introduced to predict the real-time object surface temperature of casting slab in secondary cooling zone by using the given object teinperaiure schedule calculated by metallurgical technicians. Test results of casting 200 mm x 1 534 mm slab of steel 16Mn show that with same trainingspecimen number, the training time by support vector regression algorithm is 3. 2 s with error of predict object temperature ± 1 ℃ , while the training time by BP ( back propagation) neural networks algorithm is 23. 5 s with error of predict object temperature ± 2 ℃ , and the multi-input and output support vector regression aigorithm is better than BP neural networks algorithm to alter the object surface temperature of slab in real time according to the variety of process, therefore it is available to dynamic-control the casting process and increase the quality of slab.

Key words: Object Surface Temperatures of Slab, Secondary Cooling, Support Vector Regression

高凤翔, 王长松, 吴秀永, 陈晓, 李珂. 基于支持向量机回归的铸坯表面目标温度设定[J]. 特殊钢, 2009, 30(6): 4-6.

Gao Fengxiang , Wang Changsong , Wu Xiuyong , Chen Xiao, Li Ke. Setting of Object Surface Temperature of Casting Slab Based on Support Vector Regression[J]. Special Steel, 2009, 30(6): 4-6.

[1]	林鹏, 许正周, 印传磊, 张洪才, 翟万里, 许光乐. 60Si2Mn弹簧钢150 mm x 150 mm铸坯缺陷分析与工艺优化[J]. 特殊钢, 2022, 43(5): 59-62.
[2]	吕进, 徐东, 郑冰, 庞洪轩, 邹志鹏, 杨昕昆. 工艺因素对82B钢280 mm x325 mm铸坯凝固过程的影响[J]. 特殊钢, 2022, 43(2): 12-15.
[3]	林鹏, 张洪才, 许正周. 55钢150 mm x 150 mm连铸坯皮下裂纹分析与工艺改进[J]. 特殊钢, 2020, 41(3): 43-46.
[4]	林鹏, 张洪才, 印传磊, 翟万里, 许光乐. 含硫45钢铸坯缺陷分析与工艺优化[J]. 特殊钢, 2018, 39(5): 40-43.
[5]	谢长川, 韩丽娜, 胡波, 崔立新, 艾健. 不锈钢板坯的高温力学性能及连铸二次冷却工艺中的应用[J]. 特殊钢, 2014, 35(2): 68-70.
[6]	曾智, 韩占光, 李景, 张家泉. 大圆坯连铸二冷配水设计模型的开发[J]. 特殊钢, 2011, 32(3): 1-4.
[7]	吴华杰, 留津津, 包燕平, 王国, '魏宁. 45钢矩形连铸坯中心裂纹的分析和控制[J]. 特殊钢, 2011, 32(2): 44-45.
[8]	张磊. 连铸机二冷配水对铸坯鼓肚的改善[J]. 特殊钢, 2010, 31(1): 38-39.
[9]	冯亮花, 朱苗勇, 刘坤, 曹晋伟. 厚板坯连铸二次冷却传热数学模拟[J]. 特殊钢, 2009, 30(2): 21-24.
[10]	冯军, 陈伟庆. 高强度二冷对高碳钢小方坯凝固组织和中心碳偏析的影响[J]. 特殊钢, 2006, 27(4): 42-44.
[11]	刘欣. 150 mm×150 mm方坯连铸二次冷却工艺的优化[J]. 特殊钢, 2005, 26(6): 52-53.