铸坯质量缺陷预测的特征降维方法研究
Method for feature dimensionality reduction to predict billet quality defects作者机构:武汉科技大学冶金装备及其控制教育部重点实验室湖北武汉430081 武汉科技大学机械传动与制造工程湖北省重点实验室湖北武汉430081
出 版 物:《武汉科技大学学报》 (Journal of Wuhan University of Science and Technology)
年 卷 期:2020年第43卷第5期
页 面:334-339页
学科分类:080602[工学-钢铁冶金] 08[工学] 0806[工学-冶金工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
摘 要:为提高铸坯质量预测的准确率,本文提出了一种基于最大信息系数(MIC)和主成分分析(PCA)的两阶段特征降维方法。采集某钢厂铸坯生产过程数据,根据冶金原理得到铸坯夹杂类质量缺陷的影响因素,构造原始特征集。第一阶段进行特征选择,使用随机森林分类器的分类准确率来评价ReliefF、IG和MIC三种算法的特征选择效果,结果显示,基于MIC度量指标选出的特征维度更低、分类准确率更高。第二阶段使用PCA方法对特征选择后的特征集进行降维,并将其与原始特征集、MIC、PCA算法的分类准确率进行比较,结果表明,本文提出的基于MIC和PCA的两阶段降维方法优于其他算法,能有效降低原始特征集的维度并提高对铸坯夹杂类质量缺陷的预测精度。