摘要:熱軋生產(chǎn)過(guò)程實(shí)測(cè)數(shù)據(jù)具有噪音大、信噪比低等特點(diǎn),運(yùn)用合適的方法對(duì)異常數(shù)據(jù)進(jìn)行清洗將有助于提高鋼材力學(xué)性能預(yù)報(bào)模型的精度。基于帶鋼熱連軋過(guò)程數(shù)據(jù)的分布特點(diǎn),采用孤立森林算法對(duì)熱軋過(guò)程異常數(shù)據(jù)進(jìn)行清洗,提高了性能預(yù)報(bào)模型的預(yù)測(cè)精度。首先,基于收集到的大量熱軋微合金鋼生產(chǎn)過(guò)程數(shù)據(jù),采用孤立森林算法計(jì)算原始數(shù)據(jù)集中每條數(shù)據(jù)記錄的異常分值;接著結(jié)合異常分值排序與力學(xué)性能建模實(shí)驗(yàn),確定異常數(shù)據(jù)記錄的個(gè)數(shù);最后,基于清洗后的數(shù)據(jù)集合,運(yùn)用融合數(shù)據(jù)與機(jī)理的建模方法建立力學(xué)性能預(yù)報(bào)模型,并對(duì)抗拉強(qiáng)度和屈服強(qiáng)度進(jìn)行預(yù)測(cè)。預(yù)測(cè)實(shí)踐表明,抗拉強(qiáng)度和屈服強(qiáng)度預(yù)報(bào)的平均絕對(duì)百分誤差分別為2.50%和3.42%,且分別有93.13%和86.30%的數(shù)據(jù)預(yù)測(cè)值和實(shí)測(cè)值絕對(duì)誤差在±6%之內(nèi);采用孤立森林算法對(duì)熱軋生產(chǎn)過(guò)程異常數(shù)據(jù)進(jìn)行清洗,可顯著提高熱軋帶鋼力學(xué)性能預(yù)報(bào)模型的精度。
注:因版權(quán)方要求,不能公開(kāi)全文,如需全文,請(qǐng)咨詢雜志社