基于卷積神經網絡的熱軋帶鋼力學性能預報

胡石雄，李維剛,2，楊 威

(1. 武漢科技大學冶金自動化與檢測技術教育部工程研究中心，湖北 武漢，430081； 2. 武漢科技大學高溫材料與爐襯技術國家地方聯合工程研究中心，湖北 武漢，430081)

當今鋼鐵市場競爭日益激烈，如何在不斷改善鋼鐵產品組織性能的同時，縮短產品研發周期、降低生產成本，已成為鋼鐵企業亟需解決的問題。熱軋帶鋼的力學性能預報是目前階段鋼鐵冶金企業開發的重點技術之一，具有廣闊的應用前景。現有的帶鋼力學性能預報模型的建模思路大致分為兩種[1]：一種是機理建模，主要是基于實驗室物理冶金學的實驗結果，建立模型來預測產品的力學性能，如Irvine和Pickering提出了利用數學模型預測鋼材組織演變及力學性能的方法；另一種是數據建模，根據實際生產數據，利用神經網絡等智能算法來預測鋼材的力學性能，如賈濤[2]、Bhattacharyya[3]等均建立了相應的性能預報模型。以上兩種建模方法都取得了不錯的成果，但也有不足之處：機理建模多以鋼種為單位進行研究，局限性強；BP神經網絡各層之間以全連接方式進行連接，不能很好地表達出影響因素之間復雜的交互作用關系。

卷積神經網絡(Convolutional Neural Network，CNN)是近年來特別熱門的深度神經網絡模型。相比于傳統神經網絡，卷積神經網絡采用的局部連接(Locally-connection)方式，有效減少了需要計算的參數個數。另外，權值共享方法可以使圖像具有平移不變性，下采樣操作可使圖片具有一定的縮放不變性。目前，卷積神經網絡結構已被廣泛應用于自然語言分析、模式識別、圖像處理等領域，但在工業生產領域內的研究應用尚不多見。……