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中公开了一种硬线产品显微组织与力学性能预报系统，该专利研究了连铸坯直接轧制高碳钢线材的温度、组织与性能预报系统，建立了硬线产品的微观组织与力学性能的预报模型系统；中国专利02109026.2中公开了一种轧制过程带钢组织演变与性能预测的方法专利，该专利研究了带钢在轧制过程中的组织演变过程，得到了带钢组织演变与性能预测的软件模型；中国专利200710052007.8中公开了一种预测热轧含Nb带钢组织及力学性能的方法，该专利以物理冶金模型为基础，把模拟实验与工业生产数据相结合，建立含Nb带钢的力学性能预测模型。以上专利从冶金机理角度，分析了带钢轧制过程中的组织演变过程，建立了力学性能预测的理论模型。热轧带钢力学性能预测技术的研究越来越得到科研工作者的重视。随着生产技术的不断发展，在采集大量历史生产数据的基础上建立了基于神经网络、多目标优化算法等多种低碳钢力学性能预测模型。然而对于高强钢，因其力学性能波动较大而建立具有针对性的预测模型，通过对生产数据的实时采集，利用模型实现高强钢力学性能的在线预测。利用预测值代替检测值，从而可以减少取样次数，缩短带钢产品的出货时间，节约时间和成本。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于LDA理论的汽车大梁钢力学性能预测方法，能有效提高力学性能检测效率、降低检测成本，实现汽车大梁钢检测效率的高效化和便捷化。本专利技术所采取的技术方案是：一种基于LDA理论的汽车大梁钢力学性能预测方法，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，获得特征属性完整的数据样本集；所述特征属性包括化学成分及工艺参数；化学成分包括C、Si、Mn、Ti、V、Nb；工艺参数包括终轧温度(FDT)、卷取温度(CT)、中间坯厚度(RDT)；所述力学性能包括屈服强度、抗拉强度、延伸率；步骤2.2、根据所述的特征属性完整的数据样本集得到训练数据样本集；步骤2.2.1、利用线性判别理论确定所述特征属性完整的数据样本集的信息熵和互信息值；步骤2.2.2、计算原始生产数据的化学成分及工艺参数与屈服强度、抗拉强度、延伸率之间信息熵的大小，然后将信息熵值按从大到小进行排序，并计算特征属性累加贡献率，选取数据样本特征属性累加贡献率大于98％的参数作为模型建立的输入参数；所述线性判别理论是一种特征抽取方法，将高维的数据样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模型在该空间中有最佳的可分离性。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；所述力学性能预测模型的建立基于机器学习算法，使用支持向量机回归法(SVM)，SVM具有拟合回归特点，利用其内积核函数进行划分最优超平面，以此为基础建立汽车大梁钢力学性能预测预测模型。采用上述技术方案所产生的有益效果在于：本专利技术提出一种基于LDA理论的汽车大梁钢力学性能预测方法，以高强钢生产数据作为研究对象，结合工厂的生产工艺和成分特点，钢种的生产数据建立在线预测模型，实现了高强钢力学性能的实时预测。本专利技术通过对以往钢材生产过程中的历史生产数据进行分析建立钢材的力学性能参数预测模型，并根据钢材的工艺、成分参数以及力学性能预测模型得到力学性能。因此建立的热轧带钢力学性能在线预测模型具有计算速度快、无需切割样本、节省人工及材料成本等特点，能有效的提高610L汽车大梁钢性能参数的确定效率。附图说明图1为本专利技术汽车大梁钢力学性能预测模型方法整体流程图；图2为本专利技术实施例的线性判别分析处理结果对比图；图3为本专利技术实施例的各个特征属性值和累加贡献率示意图；图4为本专利技术实施例的支持向量回归方法的计算流程及原理图；图中，(a)-支持向量回归方法的计算流程图；(b)-支持向量回归方法的计算原理图；图5为本专利技术实施例的力学性能的预测结果精度统计分析图；图中，(a)-屈服强度预测精度图，(b)-屈服强度相对误差分布图；(c)-抗拉强度预测精度图，(d)-抗拉强度相对误差分布图；(e)-延伸率预测精度图，(f)-延伸率相对误差分布图。具体实施方式下面结合附图对本专利技术具体实施方式加以详细的说明。一种基于LDA理论的汽车大梁钢力学性能预测方法，如图1所示，包括以下步骤：步骤1：数据平台的搭建是后期数据挖掘的基础，选择合适的数据必须充分考虑后期数据挖掘的需求以及存在的潜在需求，因此建立合适的数据平台至关重要。本实施例中依托2250热轧产线，获取610L汽车大梁钢生产过程中的历史生产数据。采用Oracle数据库技术搭建数据平台，将生产过程中采集的数据实时存入数据库中，然后通过数据库技术将历史生产数据按钢卷号进行匹配得到原始数据表。采集的历史生产数据包括：原料参本文档来自技高网...

【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。/n

【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