摘要：边部线状缺陷是热轧带钢易发缺陷，不仅严重影响成材率，还可能对热轧下游工序生产过程造成影响。边部线状缺陷的影响因素复杂多变，建立精确的机理预报模型十分困难。为此，首先分析边部线状缺陷的主要影响因素；然后以智能方法为基础，分别建立了基于逻辑回归与神经网络的边部线状缺陷智能预报模型，并分析了２个模型的精度与泛化能力；最后，以神经网络智能预报模型为基础，对加热工艺参数进行优化，使缺陷发生率与封闭率均大幅降低。研究结果对提高热轧带钢表面质量具有实践意义，可推广应用于同类轧线。关键词：数据驱动；热轧带钢；边部线状缺陷；智能预报；模型 下载高清全文——数据驱动的热轧带钢边部线状缺陷智能预报模型.pdf