【技术实现步骤摘要】
本专利技术涉中厚板轧制，尤其涉及一种基于数据挖掘与多模型融合的中厚板凸度预测方法和装置。
技术介绍
1、中厚板一定程度上反映了钢铁工业水平，近年来，提升板材产品的板形质量逐渐成为现代高精度轧机亟待解决的问题。板形问题一直是制约中厚板产品质量的痛点问题，实际生产中严重的板形问题会导致该批产品直接沦为废品，造成严重的经济损失，作为中厚板主要质量指标之一，如何有效控制板凸度是业界研究的重点问题之一，但是在中厚板加工过程中，各轧制工艺参数相互耦合，且实变性较强，传统的轧制机理模型难以达到理想的控制效果，使得在实际生产中，工艺生产人员难以准确预设板凸度以满足产品要求。
2、以往关于中厚板板凸度的研究，大多是从某个单一影响因素或多个单一影响因素出发，忽略了不同参数之间的相互影响，导致结论不稳定。随着人工智能的发展，机理模型融合工业大数据驱动模型逐步兴起，学者将神经网络等大数据模型应用于板凸度预测，但是中厚板生产数据涵盖从板坯到最终成形的所有生产工序，数据维度不统一，呈现多源异构性，导致现有的预测模型存在难以处理多源异构数据等缺陷，从而预...
【技术保护点】
1.一种基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述得到中厚板凸度预测的最终预测公式之后，所述方法还包括：基于所述岭回归预测模型和所述误差预测模型的权重系数定量反推各个特征变量对中厚板凸度值的影响，指导实际生产工艺。
3.如权利要求1所述的基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述对每个板坯的轧制过程参数进行一维投影变换得到一维投影值，使用所述一维投影值作为代表板坯轧制过程的主成分变量包括：
4.如权...
【技术特征摘要】
1.一种基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述得到中厚板凸度预测的最终预测公式之后，所述方法还包括：基于所述岭回归预测模型和所述误差预测模型的权重系数定量反推各个特征变量对中厚板凸度值的影响，指导实际生产工艺。
3.如权利要求1所述的基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述对每个板坯的轧制过程参数进行一维投影变换得到一维投影值，使用所述一维投影值作为代表板坯轧制过程的主成分变量包括：
4.如权利要求1所述的基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述根据设定的凸度临界值，将所述历史工业数据划分成三个子样本集，基于逻辑回归结果，得到所述三个样本子集的最优样本量比率，采用基于bootstrap的改进smote方法，按照最优不平衡比率扩充所述历史工业数据，使三个样本量达到最优平衡状态，并对扩充后的所述历史工业数据进行标准化处理包括：
5.如权利要求4所述的基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述建立基于岭回归的预测中厚板凸度的岭回归预测模型包括：
6.如权利要求5所述的基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述的计算所述岭回归预测模型的误差，将所述误差作为因变量，建立基于bp神经网络的误差预测模型包括：
7.如权利要求6所述的基于数据挖掘与多模型融合的中厚板凸度预测方法，其特征在于，所述的构建以所述岭回归预测模型的预测值为主值，以所述误差预测模型的预测值为偏差的整合模型，使用经过标准化处理后的所述历史工业数据训练所述整合模型包括：
8.如权利要...
【专利技术属性】
技术研发人员：唐星宇，林洋，白冰，曹建宁，耿明山，王永涛，
申请(专利权)人：中冶京诚工程技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。