摘要：热轧是冶金工艺中不可缺少的关键设备，高负载作用下的轧机机架振动对热轧精度的影响不可忽略。为了进一步提高热轧机架振动预报的准确性，运用深度置信网络（DBN）算法构建轧机振动模型。以深度信念网络（DBN）对收集数据进行降维，并提取出其中的关键特征，达到轧机振动预报效果。研究结果表明：单一隐藏层的输出与实际振动状况存在较大差异，融合处理后的预测数据与实际振动过程极为接近，显示出较高的预测精度。利用现场采集的样本参数分析预测偏差，预测偏差不超过3.5%，与实际轧机振动状况符合，证实预测模型满足精度控制要求。该研究能够有效提高锻压设备的运行质量，为后续的工艺优化奠定一定的理论基础。关键词：热轧;钢板;轧机振动;振动预报;