基于梯度提升决策树的冷轧高强钢卷力学性能预测
Mechanics Property Prediction of Cold Rolled High Strength Steel Coils Based on GBDT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。