基于大数据的C-Mn钢数据预处理及神经网络模型

发布时间：2017-10-13 04:31

  本文关键词：基于大数据的C-Mn钢数据预处理及神经网络模型

  更多相关文章： 大数据 建模 预处理 平均影响值 C-Mn钢

【摘要】：在神经网络建模时,如果原始数据不加处理或经过简单剔除异常值后用于建模,则可能建立出错误的模型,即其规律并不符合物理冶金原理.因此建模前需要对原始数据进行处理,使其呈现出显著的规律性.针对钢铁生产采集的大量C-Mn钢数据进行了钢种归并,提出了数据预处理的一套方法,并采用LMBP神经网络建立了满足一定精度(94.21%)的多牌号C-Mn钢屈服强度预测模型.通过平均影响值(mean impact value,MIV)分析了成分及工艺参数对屈服强度的影响规律.结果表明,随着碳含量的增加,屈服强度增大;随着终轧厚度和卷取温度的降低,屈服强度增大.
【作者单位】： 东北大学轧制技术及连轧自动化国家重点实验室;
【关键词】： 大数据 建模 预处理 平均影响值 C-Mn钢
【基金】：钢铁联合基金重点项目(U1460204) 辽宁省自然科学基金资助项目(2015020180) 中央高校基本科研业务费专项资金资助项目(N140704002)
【分类号】：TP311.13;TP183;TG335
【正文快照】： 近年来,智能制造的提出加快了我国两化融合的进程,与此同时,通信、大数据及云计算等技术得到了迅猛发展,这些技术改变了传统的钢铁行业生产方式,同时也催生出了钢铁行业内的新技术.其中,以力学性能预测为基础的集约化生产技术得到了较大发展.采用生产数据建立力学性能预测模型，

本文编号：1022858