控制理论与应用

作者：张凯,王亚礼,张晓雯,彭开香

单位：北京科技大学自动化学院,北京科技大学自动化学院,北京科技大学自动化学院,北京科技大学自动化学院

关键词：热连轧; 温度预测; 特征融合; 自适应更新; 云边端

基金：国家重点研发计划项目(2021YFB3301200), 国家自然科学基金项目(62073032, U21A20483)资助.

在带钢热连轧过程中, 粗轧出口温度受加热炉和粗轧工序共同影响, 其建模精度是提高成品带钢质量的关键. 现有方法大多基于机理模型或仅将加热炉与粗轧数据融合, 对两个工序的特征提取不充分, 且不利于所提出方法在两工序的分布式部署. 为此, 本文提出了一种基于特征融合的热连轧过程粗轧出口温度建模方法. 该方法首先针对两个工序数据的特点构建了联合长短期记忆 (LSTM) 网络和时间卷积网络 (TCN) 的特征提取模型, 并利用 LSTM实现了两部分特征的融合, 进而利用全连接模块构建粗轧出口温度的预测模型; 其次, 考虑到热连轧过程带钢品种和规格的多样性, 构建了预测模型的更新机制; 最后, 将所提出预测方法分布式部署到云边端协同的热连轧过程原型系统中, 利用某钢铁公司2150产线的实际数据验证了方法的有效性. 验证结果表明, 本文方法与传统方法相比预测精度提高35.69%, 且在采样周期100 ms下, 预测与更新机制满足实时性要求.

来源：2026年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2026年第4期