基于LDA理论的汽车大梁钢力学性能预测方法技术

本发明专利技术提供一种基于LDA理论的汽车大梁钢力学性能预测方法，涉及汽车大梁钢轧制生产技术领域。本发明专利技术提供了一种钢材的力学性能(屈服强度、抗拉强度、延伸率)预测模型建立方法。热轧高强钢的生产过程中会产生大量的历史生产数据，并根据历史生产数据构建模型训练数据样本集；训练数据样本集包括携带特征属性(工艺、成分参数)及所对应的力学性能参数；利用训练数据样本集建立力学性能预测模型，最后将预测数据样本集的特征属性参数(工艺、成分参数)输入力学性能预测模型得到预测数据样本的力学性能。

【技术实现步骤摘要】
基于LDA理论的汽车大梁钢力学性能预测方法
本专利技术涉及汽车大梁钢轧制生产
，尤其涉及一种基于LDA理论的汽车大梁钢力学性能预测方法。
技术介绍
近年来，随着计算机技术的快速发展以及分布式控制系统在钢铁行业中的广泛应用，钢铁生产过程中产生的大量数据被采集并存储下来，这些数据综合反映了钢铁生产过程中各环节之间的内在联系，具有巨大的应用价值。但如何从这些大量的数据中挖掘出有用的信息以实现产品性能的精准预测以及稳定性控制，成为热轧带钢生产技术发展的重要趋势。线性判别理论LDA是一种监督学习的数据降维技术，也就是说它的数据集的每个样本是有类别输出的。支持向量机回归方法SVM是基于非线性映射理论而建立的,利用内积核函数代替向高维空间的非线性映射。SVM方法的核心是最大化分类边际的思想，对特征空间划分的最优超平面是SVM的目标。基于以上的建模方法对原始数据样本集进行挖掘并建立高精度的高强钢力学性能在线预测模型。目前，热轧带钢力学性能预测模型的开发已成为钢铁轧制领域研究的重要问题。现有中国专利200410061324.2中公开了一种硬本文档来自技高网...

【技术保护点】
1.一种基于LDA理论汽车大梁钢力学性能预测方法，其特征在于：包括以下步骤：/n步骤1、获取热轧微合金钢的历史生产数据；/n依托热连轧产线对汽车大梁钢生产数据搭建数据平台，获得热轧微合金钢的历史生产数据；/n所述历史生产数据包括原料参数、工艺参数和实测力学性能；其中，原料参数包括化学成分、原料厚度和出炉温度；工艺参数包括各轧机轧制温度、轧制力以及终轧厚度、终轧温度、终轧速度和卷取温度；/n步骤2、以热轧微合金钢的历史生产数据为基础构建模型训练数据样本集；/n采用线性判别理论对历史生产数据进行样本的特征属性分析，得到训练数据样本集；/n步骤3、利用训练数据样本集所包含的特征属性作为预测模型的输入...

【技术特征摘要】
1.一种基于LDA理论汽车大梁钢力学性能预测方法，其特征在于：包括以下步骤：
步骤1、获取热轧微合金钢的历史生产数据；
依托热连轧产线对汽车大梁钢生产数据搭建数据平台，获得热轧微合金钢的历史生产数据；
所述历史生产数据包括原料参数、工艺参数和实测力学性能；其中，原料参数包括化学成分、原料厚度和出炉温度；工艺参数包括各轧机轧制温度、轧制力以及终轧厚度、终轧温度、终轧速度和卷取温度；
步骤2、以热轧微合金钢的历史生产数据为基础构建模型训练数据样本集；
采用线性判别理论对历史生产数据进行样本的特征属性分析，得到训练数据样本集；
步骤3、利用训练数据样本集所包含的特征属性作为预测模型的输入参数，特征属性所对应的屈服强度、抗拉强度、延伸率作为预测模型的输出参数，以此获得汽车大梁钢所对应的力学性能预测模型；采集数据结构相同的生产数据作为预测数据样本集，通过预测数据样本集获得屈服强度、抗拉强度、延伸率预测值。


2.根据权利要求1所述的一种基于LDA理论的汽车大梁钢力学性能预测方法，其特征在于，所述步骤2具体包括：
步骤2.1、对历史生产数据进行数据清洗工作；
首先去除历史生产数据中不完整的数据样本，分析特征属性对力学性能的影响，根据相关性分析，筛选出对力学性能累加贡献率大于90％的参数，获得特征...

【专利技术属性】
技术研发人员：曹光明，刘振宇，高志伟，崔春圆，刘建军，王皓，贾泽伟，单文超，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21