基于大数据和XGBoost的热轧板带力学性能预测研究
发布时间：2021-03-28 14:01
随着我国工业整体实力的提升和相关行业的飞速发展,工业生产方面对钢铁材料的质量水平要求越来越高。因此,在钢铁材料出厂时,必须对成品进行力学性能指标的检测,判断其是否符合相关使用场景的力学性能要求。另外,一些满足特定工作环境的新型钢铁材料希望能通过力学性能检测被更快地研发出来。金属材料的力学性能测试方法大体上可分为三类,即传统方法、专家系统方法和人工智能方法。然而,因上述方法分别存在精准性低、知识获取量不足、无联想推演和自学习能力等缺点,较难满足不断增长的热轧带钢力学性能检测需求,迫切需要新理论与方法的提出。该课题研究了一种基于大数据和机器学习的热连轧带钢力学性能智能预测方法,并采用某钢厂的近2万组热连轧生产过程数据,验证了方法的有效性。该课题的主要工作和创新点在于:（1）构建了具有20个输入属性（15种钢材成分元素和5个热轧工艺参数）和三个力学性能输出参数的基于BP神经网络的热连轧带钢力学性能预测模型,提出了一种基于遗传算法的BP神经网络参数全局寻优方法,通过采用2万组某钢厂热连轧带钢生产过程数据,对上述模型进行了训练和验证,获得了较好的预测效果。（2）在上述研究的基础上,为了进一步提升...
【文章来源】：冶金自动化研究设计院北京市
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
神经元通用模型示意图
冶金自动化研究设计院硕士学位论文18图2-1神经元通用模型示意图神经元的输出如下式2-1所示，为：=(∑=1)上式中，表示各神经元的权重，表示各神经元的输入。神经网络则是将多个神经元按一定规则联结在一起而形成的网络结构模型，如图2-2所示。最基本的BP神经网络的隐含层的层数通常为一层，即通常使用的最基本的BP神经网络是3层网络结构。图2-2神经网络模型示意图众所周知，BP神经网络是一种非线性映射模型，而这其中的输入与输出的非线性转换就是通过作用于BP神经网络每一层的激活函数来实现的。激活函数的作用就是为BP神经网络模型添加非线性特性。通常使用最多的激活函数是Sigmoid函数（又称S函数），其最大的特点就是函数本身及其导数都是连续的，因此在模型处理方面十分方便。S函数有单极性S型函数和双极性S型函数两种。(2-1)
第2章优化BP神经网络的钢材力学性能预测建模19（1）单极性S型函数的定义如下式2-2所示：()=11+其函数曲线如图2-3所示：图2-3单极性S型函数曲线图像示意图（2）双极性S型函数的定义如下式2-3所示：()=11+其函数曲线如图2-4所示：图2-4双极性S型函数曲线图像示意图在使用单极性S型激活函数时，神经元输入如下式2-4所示，为：=11+22++(2-2)(2-3)(2-4)
【参考文献】：
期刊论文
[1]基于随机森林算法的原位质谱快速鉴别肺癌的方法研究[J]. 欧阳永中,曾玉庭,郭伟清,邓金连,魏益平. 分析化学. 2020(08)
[2]运用随机森林模型对北京市林分蓄积生长量的预测[J]. 卢婧,冯仲科. 东北林业大学学报. 2020(05)
[3]基于朴素贝叶斯的新闻文本分类[J]. 韩洪勇,姜锦琨,杨超然,陈照奇. 科技风. 2020(14)
[4]基于不确定数据的半监督动态K-均值算法在滑坡危险性预测上的应用[J]. 朱玲. 山东农业大学学报(自然科学版). 2020(02)
[5]基于自适应遗传算法优化非对准误差补偿算法[J]. 杨宗林,陈晓勇,熊继军,张晓明,洪应平. 中北大学学报(自然科学版). 2020(04)
[6]改进PSO优化SVM的滚动轴承故障诊断[J]. 石志炜,张丽萍,钟成豪,吴宁钰. 福州大学学报(自然科学版). 2020(03)
[7]基于卷积神经网络的手势识别方法[J]. 郝禹哲,张玉金,田海越,彭冬生,余洛,袁天夫. 传感器与微系统. 2020(05)
[8]基于改进KNN算法的动态手势识别研究[J]. 陈嘉伟,韩晶,郝瑞玲,胡迪. 中北大学学报(自然科学版). 2020(03)
[9]基于改进遗传算法的区间光谱特征波长变量选择方法[J]. 刘鑫,冒智康,张小鸣,李绍稳,金秀. 江苏大学学报(自然科学版). 2020(03)
[10]基于深度学习的青椒质量分类[J]. 郑凯,方春,孙福振. 山东理工大学学报(自然科学版). 2020(04)
硕士论文
[1]基于深度卷积神经网络的人脸图像分类应用研究[D]. 曹戈.吉林大学 2019
[2]基于深度学习的热轧产品性能预报研究[D]. 李贝贝.武汉科技大学 2018
[3]钢材焊接接头力学性能预测平台[D]. 汪超.南京航空航天大学 2011
[4]钢材力学性能预测系统的研发[D]. 于子金.东北大学 2010
本文编号：3105686
【文章来源】：冶金自动化研究设计院北京市
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
神经元通用模型示意图
冶金自动化研究设计院硕士学位论文18图2-1神经元通用模型示意图神经元的输出如下式2-1所示，为：=(∑=1)上式中，表示各神经元的权重，表示各神经元的输入。神经网络则是将多个神经元按一定规则联结在一起而形成的网络结构模型，如图2-2所示。最基本的BP神经网络的隐含层的层数通常为一层，即通常使用的最基本的BP神经网络是3层网络结构。图2-2神经网络模型示意图众所周知，BP神经网络是一种非线性映射模型，而这其中的输入与输出的非线性转换就是通过作用于BP神经网络每一层的激活函数来实现的。激活函数的作用就是为BP神经网络模型添加非线性特性。通常使用最多的激活函数是Sigmoid函数（又称S函数），其最大的特点就是函数本身及其导数都是连续的，因此在模型处理方面十分方便。S函数有单极性S型函数和双极性S型函数两种。(2-1)
第2章优化BP神经网络的钢材力学性能预测建模19（1）单极性S型函数的定义如下式2-2所示：()=11+其函数曲线如图2-3所示：图2-3单极性S型函数曲线图像示意图（2）双极性S型函数的定义如下式2-3所示：()=11+其函数曲线如图2-4所示：图2-4双极性S型函数曲线图像示意图在使用单极性S型激活函数时，神经元输入如下式2-4所示，为：=11+22++(2-2)(2-3)(2-4)
【参考文献】：
期刊论文
[1]基于随机森林算法的原位质谱快速鉴别肺癌的方法研究[J]. 欧阳永中,曾玉庭,郭伟清,邓金连,魏益平. 分析化学. 2020(08)
[2]运用随机森林模型对北京市林分蓄积生长量的预测[J]. 卢婧,冯仲科. 东北林业大学学报. 2020(05)
[3]基于朴素贝叶斯的新闻文本分类[J]. 韩洪勇,姜锦琨,杨超然,陈照奇. 科技风. 2020(14)
[4]基于不确定数据的半监督动态K-均值算法在滑坡危险性预测上的应用[J]. 朱玲. 山东农业大学学报(自然科学版). 2020(02)
[5]基于自适应遗传算法优化非对准误差补偿算法[J]. 杨宗林,陈晓勇,熊继军,张晓明,洪应平. 中北大学学报(自然科学版). 2020(04)
[6]改进PSO优化SVM的滚动轴承故障诊断[J]. 石志炜,张丽萍,钟成豪,吴宁钰. 福州大学学报(自然科学版). 2020(03)
[7]基于卷积神经网络的手势识别方法[J]. 郝禹哲,张玉金,田海越,彭冬生,余洛,袁天夫. 传感器与微系统. 2020(05)
[8]基于改进KNN算法的动态手势识别研究[J]. 陈嘉伟,韩晶,郝瑞玲,胡迪. 中北大学学报(自然科学版). 2020(03)
[9]基于改进遗传算法的区间光谱特征波长变量选择方法[J]. 刘鑫,冒智康,张小鸣,李绍稳,金秀. 江苏大学学报(自然科学版). 2020(03)
[10]基于深度学习的青椒质量分类[J]. 郑凯,方春,孙福振. 山东理工大学学报(自然科学版). 2020(04)
硕士论文
[1]基于深度卷积神经网络的人脸图像分类应用研究[D]. 曹戈.吉林大学 2019
[2]基于深度学习的热轧产品性能预报研究[D]. 李贝贝.武汉科技大学 2018
[3]钢材焊接接头力学性能预测平台[D]. 汪超.南京航空航天大学 2011
[4]钢材力学性能预测系统的研发[D]. 于子金.东北大学 2010
本文编号：3105686
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3105686.html
