Noise and Vibration Control ›› 2024, Vol. 44 ›› Issue (3): 16-21.

Previous Articles     Next Articles

Vibration Prediction and Interpretability Analysis of Rolling Mill Driven by Multi-source Data

  

  • Received:2023-05-22 Revised:2023-08-04 Online:2024-06-18 Published:2024-06-18

多源数据驱动的轧机振动预测及可解释性分析

张阳段振杰王思静林然锰杜晓钟王威中   

  1. ( 太原科技大学机械工程学院,太原030024 )

摘要: 为研究轧制过程动态工艺参数对轧机振动的影响规律,改善现有研究中机理模型精度较低且数据模型缺乏可解释性的问题,采用极端梯度提升(Extreme Gradient Boosting,XGBoost)算法建立基于多源数据的轧机振动预测模型,并使用SHapley Additive exPlanations(SHAP)框架对预测模型进行解释。通过与其他预测模型相比,XGBoost预测模型可以利用工艺参数实现对轧机运行状态的高精度预测。基于SHAP框架解释的结果表明,出入口厚度、轧制力、轧制速度对轧机振动影响较大,后张力对轧机振动影响较小。研究为提高轧机设备与工艺参数的匹配度,实现将工业数据应用于轧机振动预测和分析提供理论基础。

关键词: 振动与波, 轧机振动, 工业数据, 工艺参数, 极端梯度提升, SHAP解释方法