摘要：軋制力預報一直是熱連軋過程控制模型的核心,淺層神經(jīng)網(wǎng)絡對復雜函數(shù)的表示能力有限,而深度學習模型通過學習一種深層非線性網(wǎng)絡結構,實現(xiàn)復雜函數(shù)逼近。利用深度學習框架TensorFlow,構建了一種深度前饋神經(jīng)網(wǎng)絡軋制力模型,采用BP算法計算網(wǎng)絡損失函數(shù)的梯度,運用融入Mini-batch策略的Adam優(yōu)化算法進行參數(shù)尋優(yōu),采用Early-stopping、參數(shù)懲罰和Dropout正則化策略提高模型的泛化能力?；谏鲜鼋２呗?針對寶鋼1880熱連軋精軋機組的大量軋制歷史數(shù)據(jù)進行了建模實驗,對比分析了4種不同結構的前饋網(wǎng)絡預測精度。結果表明,相比于傳統(tǒng)SIMS軋制力模型,深度神經(jīng)網(wǎng)絡可實現(xiàn)軋制力的高精度預測,針對所有機架的預測精度平均提升21.11%。