پيش‌بيني هوشمند وقوع چتر در نورد سرد بر اساس روش‌هاي يادگيري ماشين

اصفهان : دانشگاه صنعتي اصفهان

مهندسي مكانيك

كارشناسي ارشد

پديده چتر در نورد سرد ورق‌هاي فولادي با مقاومت بالا، نازك و با سرعت‌هاي بالا رخ مي‌دهد. چتر باعث ايجاد عيوب مختلف بر روي محصول نهايي و آسيب به دستگاه نورد مي‌شود. معمولا كنترل چتر از طريق كاهش دادن سرعت نورد است كه باعث كاهش بهره‌وري كارخانه مي‌شود. هدف اين پژوهش شناسايي چتر و پيش‌بيني سرعت وقوع چتر با استفاده از پارامترهاي فرايند نورد و مدل‌هاي يادگيري ماشين است. اين پژوهش بر روي يك دستگاه نورد سرد دو قفسه‌اي شركت فولاد مباركه انجام شده است. در اين پژوهش از يك مدل شبيه‌ساز چتر كه براي اين دستگاه نورد در پژوهش‌هاي قبلي ايجاد شده است، استفاده مي‌شود. در بخش اول داده‌هاي مدل‌سازي بر اساس مقدار سرعت‌شان برچسب‌گذاري مي‌شوند و سپس مدل‌هاي طبقه‌بند k نزديك‌ترين همسايگي، درخت تصميم، جنگل تصادفي، تقويت سازگار و تقويت شيب آموزش داده مي‌شوند. نتايج نشان مي‌دهند مدل تقويت سازگار با دقت 99/5 درصد بهترين عملكرد را در بين مدل‌ها دارد. در بخش دوم از داده‌هاي واقعي فرايند نورد به منظور پيش‌بيني سرعت وقوع چتر استفاده مي‌شود. در اين بخش به علت كم بودن داده‌هاي واقعي از يادگيري انتقالي استفاده مي‌شود. بدين صورت كه ابتدا يك مدل شبكه عصبي بر روي داده‌هاي مدل‌سازي آموزش داده مي‌شود و سپس انتقال يادگيري با استفاده از داده‌هاي واقعي فرايند نورد انجام مي‌شود. در دستگاه نورد مورد بررسي از سيستم شناسايي چتر براي تشخيص چتر استفاده مي‌شود و اين سيستم ممكن است در حين نورد يك كلاف چندين بار چتر را تشخيص دهد. به همين دليل از داده‌هاي واقعي، دو مجموعه داده بر اساس سرعت‌هاي وقوع چتر استخراج شده است. مجموعه داده اول يك مجموعه محتاطانه است و سرعت‌هاي پايين‌تري را به عنوان چتر در نظر مي‌گيرد. نتايج نشان مي‌دهند بهترين مدل آموزش داده شده بر روي داده‌هاي آزمون مجموعه داده اول داراي ضريب تعيين 0/811 است. در مجموعه داده دوم كه سرعت‌هاي بالا‌تري به عنوان چتر در نظر گرفته‌ مي‌شود، نتايج نشان مي‌دهند بهترين مدل آموزش داده شده داراي ضريب تعيين 0/797 است.

230581

طراحي كاربردي

مهندسي مكانيك

دانشگاه صنعتي اصفهان