nach oben

Erschienen in:

2017 | OriginalPaper | Buchkapitel

Artificial Neural Networks Based Approaches for the Prediction of Mean Flow Stress in Hot Rolling of Steel

verfasst von : Marco Vannucci, Valentina Colla, Vincenzo Iannino

Erschienen in: Advances in Computational Intelligence

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

The problem of the estimation of mean flow stress within a hot rolling mill plant for flat steel products is faced, as the correct estimation of this measure can improve the quality of the final product. Various approaches, from standard empirical methods to advanced architectures based on neural networks, have been tested on industrial data. The results of these tests put into evidence the limit of empirical techniques and the big advantages deriving from the application of neural networks, which are able to efficiently combine process knowledge and data driven models tuning. The best performing approaches reduce the estimation error to one third with respect to standard techniques.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Neural Network Overtopping Predictor Proof of Concept

Nächstes Kapitel State of Health Estimation of Zinc Air Batteries Using Neural Networks

Ginzburg, V.B.: Steel-Rolling Technology: Theory and Practice. Marcel Dekker Inc., New York (1989)

Colla, V., Vannucci, M., Valentini, R.: Neural network based prediction of roughing and finishing times in a hot strip mill. Rev. Metal. 46(1), 15–21 (2010)CrossRef

Dimatteo, A., Vannucci, M., Colla, V.: Prediction of hot deformation resistance during processing of microalloyed steels in plate rolling process. Int. J. Adv. Manuf. Technol. 66(9–12), 1511–1521 (2013)CrossRef

Kwak, W.J., Kim, Y.H., Park, H.D., Lee, J.H., Hwang, S.M.: FE-based on line model for the prediction of roll force and roll power in hot strip rolling. ISIJ Int. 40(10), 1013–1018 (2000)CrossRef

Siciliano, F., Leduc, L.L., Hensger, K.: The effect of chemical composition on the hot-deformation resistance during processing of microalloyed steels in thin slab casting/direct rolling process. In: Proceedings of International HSLA 2005 Conference Sanya (CN) (2005)

Colla, V., Bioli, G., Vannucci, M.: Model parameters optimisation for an industrial application: a comparison between traditional approaches and genetic algorithms. In: Proceedings - EMS 2008, European Modelling Symposium, 2nd UKSim European Symposium on Computer Modelling and Simulation, pp. 34–39 (2008)

Lee, D., Lee, Y.: Application of neural network for improving accuracy of roll force model in hot-rolling mill. Control Eng. Pract. 10(2), 473–478 (2001)

Sungzoon, C., Youngjung, C., Sungchul, Y.: Reliable roll force prediction in cold mill using multiple neural networks. IEEE Trans. Neural Netw. 8, 874–882 (1997)CrossRef

Di Matteo, A., Vannucci, M., Colla, V.: Prediction of mean flow stress during hot strip rolling using genetic algorithms. ISIJ Int. 54(1), 171–178 (2014)CrossRef

10.

Vannucci, M., Colla, V., Dimatteo, A.: Improving the estimation of mean flow stress within hot rolling of steel by means of different artificial intelligence techniques. IFAC Proc. Vol. (IFAC-PapersOnLine) 46(9), 945–950 (2013)CrossRef

11.

Vannucci, M., Colla, V.: Learners reliability estimated through neural networks applied to build a novel hybrid ensemble method. Neural Process. Lett. (accepted for publication)

12.

Reyneri, L.M., Colla, V., Sgarbi, M., Vannucci, M.: Self-estimation of data and approximation reliability through neural networks. In: Cabestany, J., Sandoval, F., Prieto, A., Corchado, J.M. (eds.) IWANN 2009. LNCS, vol. 5517, pp. 89–96. Springer, Heidelberg (2009). doi:10.1007/978-3-642-02478-8_12 CrossRef

Titel: Artificial Neural Networks Based Approaches for the Prediction of Mean Flow Stress in Hot Rolling of Steel
verfasst von: Marco Vannucci
Valentina Colla
Vincenzo Iannino
Verlag: Springer International Publishing
Buch: Advances in Computational Intelligence
Print ISBN: 978-3-319-59152-0

Electronic ISBN: 978-3-319-59153-7

Copyright-Jahr: 2017
DOI: https://doi.org/10.1007/978-3-319-59153-7_54

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"