FET Prediction and Analysis with Data-Driven method for Non-steady Stage in Endless Rolling
Year: 2026
Type: article
Abstract: 摘要： 精轧入口温度(Finishing entry temperature，FET)作为无头轧制产线的关键工艺参数，其控制精度直接影响终轧温度稳定性及产品尺寸性能指标。针对国内某钢厂无头轧制非稳态生产过程FET模型计算精度不足的问题，提出一种融合互信息特征选择与长短期记忆网络(Long short-term memory，LSTM)的数据驱动预测方法。首先基于互信息熵量化分析工艺变量与FET的非线性关联度，完成特征变量优选；继而构建具有深度序列特征提取能力的LSTM预测模型，并采用粒子群算法(Particle swarm optimization，PSO)对模型超参数进行优化。经数据试验验证，其预测性能指标平均绝对误差(Mean absolute error，MAE)为1.89 ℃、方均根误差(Root mean square error，RMSE)为3.07 ℃和相关系数(Correlation coefficient，R)为0.989 3显著优于文中其他模型；进一步采用Shapley加性解释模型(Shapley additive explanations，SHAP)可解释性分析方法分析了关键工艺参数对于FET的耦合作用机制。研究结果为提升无头轧制非稳态过程温度控制精度提供了新的方法体系，对实现薄规格高强热轧产品性能稳定性控制具有重要工程应用价值。
DOI: 10.3901/jme.260183
Institution: Shougang (China)
Language: English
Subfield: Control and Systems Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7202275362