基于梯度提升决策树的冷轧高强钢卷力学性能预测

作     者：王伟 马乾伦 白振华 王子昂 WANG Wei;MA Qianlun;BAI Zhenhua;WANG Ziang

作者机构：福州大学机械工程及自动化学院福州350100 燕山大学机械工程学院秦皇岛066004 

出 版 物：《中国机械工程》 (China Mechanical Engineering)

年 卷 期：2023年第34卷第18期

页      面：2222-2229页

核心收录：

学科分类：0711[理学-系统科学] 08[工学] 081203[工学-计算机应用技术] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(51774097) 福建省科技计划(2018H0015)。 

主　　题：冷轧高强钢 梯度提升决策树 力学性能预测 主成分分析 误差补偿 

摘      要：基于1180 MPa级超高强度冷轧双相(DP)钢卷生产数据,研究了基于主成分分析的化学主成分提取方法、网格搜索和交叉验证相结合的超参数寻优方法,建立了DP钢力学性能梯度提升决策树(GBDT)预测模型,并将预测结果与BP神经网络模型和广义可加模型的预测结果进行了比较。为了提高断后伸长率预测精度,以预测精度较高的GBDT预测模型为基础,通过模型预测误差分类模型和考虑误差补偿的模型预测修正方法,建立了考虑误差补偿的断后伸长率预测校正模型,该模型使断后伸长率在绝对误差±0.9%下的预测准确率达到了94.63%。DP钢性能预测模型在线运行时的实际预测精度较高,达到生产要求,有助于力学性能在线质量监控。