论文摘要
目前热轧带钢力学性能预报模型在实际应用过程中可靠性不高,不能给出预测结果的误差范围。为此,以某钢厂薄板坯连铸连轧CSP生产线的屈服强度预报模型为例,通过建立误差分布预测模型优化和提高原机理模型的准确率和稳定性。首先采用度量学习方法对生产过程数据中隐藏的工况进行划分,并通过可视化方法进行验证;然后通过主成分分析对度量学习后的数据样本进行降维,针对不同工况分别使用逻辑回归算法建立误差分布预测模型。利用该误差分布预测模型对原模型进行补偿后,采用十折十次交叉验证,屈服强度在±30 MPa误差区间下的预测准确率达到96%以上,且具有较高的预测稳定性。
论文目录
文章来源
类型: 期刊论文
作者: 李飞飞,宋勇,刘超,贾仁君,李博
关键词: 热轧带钢,力学性能预报,误差分布,误差补偿,机器学习,度量学习
来源: 冶金自动化 2019年06期
年度: 2019
分类: 工程科技Ⅰ辑
专业: 金属学及金属工艺
单位: 北京科技大学工程技术研究院
基金: 创新方法工作专项资助项目(2016IM010300)
分类号: TG335.56
页码: 28-33
总页数: 6
文件大小: 212K
下载量: 123