金属学及金属工艺论文_基于机器学习的热轧带钢

文章摘要:以所收集380CL和SPA-H两个钢种的热连轧工业生产大数据为样本,采用多元线性回归、BP神经元网络、随机森林与XGBoost这4种机器学习算法建立带钢力学性能预测模型,并对预测结果的偏差进行了比较。结果表明,随机森林算法的预测精度高于其它算法,屈服强度、抗拉强度和伸长率的预测偏差的标准差分别为15 MPa、12 MPa和2.3%。以样本性能均值为基数,满足±3σ标准要求的预测相对误差分别可以达到15%、7%和22%。该算法可以应用于热轧带钢在线性能预测模型中,作为监控、分析带钢力学性能及优化工艺的有效工具。基于随机森林算法开发的热轧带钢力学性能在线预测模型已经在首钢京唐钢铁联合有限责任公司2250热轧生产线上得到实际应用。

文章关键词:

论文分类号:TG335.11

文章来源：《钢铁》 网址: http://www.gtbjb.cn/qikandaodu/2021/1025/1669.html