一种基于机器学习辅助下的铜管坯水平连铸工艺优化方法

本发明公开一种基于机器学习辅助下的铜管坯水平连铸工艺优化方法，涉及铜及铜合金管坯水平连铸技术领域；而本发明包括S1、数据收集、S2、模型构建、S3、超参数优化、S4、模型训练与验证、S5、效果评估和S6、工艺参数的预测与优化；通过全新的粒子群算法优化神经网络预测模型，应用于水平连铸过程中，模型优化后取得了较为显著的准确度和可靠性的提升，结合在线快速计算系统、粒子群优化算法和多层神经网络模型，准确地预测和控制结晶区参数，从而保证铜管坯的质量，现在的快速计算系统获得的数据具有一定的局限性，基于生产现场获取工艺参数及对应模具下的结晶位置参数，不断地加入到模型训练的数据库中，将使预测数据更准确，更贴近生产现状。