El control de la uniformidad de la temperatura en el núcleo de la palanquilla de acero en el horno de calentamiento es crucial para la estabilidad de la calidad del producto. Debido al ambiente de alta temperatura en el horno, la predicción de alta precisión de la temperatura en el núcleo de la palanquilla siempre ha sido un desafío. Para abordar este problema, este experimento estableció un método de medición de temperatura basado en una caja negra enterrada en la palanquilla de acero, que permitió conocer efectivamente la distribución real de la temperatura en diferentes posiciones de la palanquilla dentro del horno. Basándose en los datos experimentales de medición de la caja negra, se aplicaron métodos de preprocesamiento como limpieza, suavizado y normalización de datos, y se adoptaron modelos basados en datos como redes neuronales, bosque aleatorio y XGBoost, utilizando la temperatura del gas medible en el horno para predecir la temperatura no medible en el núcleo de la palanquilla. Se predijo la temperatura del núcleo de la palanquilla de acero GCr15 de 150 mm × 150 mm y los resultados mostraron que el modelo XGBoost tenía el mejor efecto de regresión predictiva, con un error relativo principalmente entre 0 % y 5.4 %, el 97.1 % de los puntos de muestra tenían un error absoluto menor a 10 ℃, con un error RMSE de 4.1345 ℃ y un error MAPE de 0.47 %. Se propuso un método de medición de temperatura con caja negra enterrada en la palanquilla + modelo XGBoost para predecir la temperatura en el núcleo de la palanquilla.

Temperatura en el núcleo de la palanquilla GCr15; experimento de caja negra; redes neuronales; bosque aleatorio; XGBoost