本文關(guān)鍵詞：基于大數(shù)據(jù)的C-Mn鋼數(shù)據(jù)預(yù)處理及神經(jīng)網(wǎng)絡(luò)模型

  更多相關(guān)文章： 大數(shù)據(jù) 建模 預(yù)處理 平均影響值 C-Mn鋼

【摘要】：在神經(jīng)網(wǎng)絡(luò)建模時(shí),如果原始數(shù)據(jù)不加處理或經(jīng)過(guò)簡(jiǎn)單剔除異常值后用于建模,則可能建立出錯(cuò)誤的模型,即其規(guī)律并不符合物理冶金原理.因此建模前需要對(duì)原始數(shù)據(jù)進(jìn)行處理,使其呈現(xiàn)出顯著的規(guī)律性.針對(duì)鋼鐵生產(chǎn)采集的大量C-Mn鋼數(shù)據(jù)進(jìn)行了鋼種歸并,提出了數(shù)據(jù)預(yù)處理的一套方法,并采用LMBP神經(jīng)網(wǎng)絡(luò)建立了滿足一定精度(94.21%)的多牌號(hào)C-Mn鋼屈服強(qiáng)度預(yù)測(cè)模型.通過(guò)平均影響值(mean impact value,MIV)分析了成分及工藝參數(shù)對(duì)屈服強(qiáng)度的影響規(guī)律.結(jié)果表明,隨著碳含量的增加,屈服強(qiáng)度增大;隨著終軋厚度和卷取溫度的降低,屈服強(qiáng)度增大.
【作者單位】： 東北大學(xué)軋制技術(shù)及連軋自動(dòng)化國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 大數(shù)據(jù) 建模 預(yù)處理 平均影響值 C-Mn鋼
【基金】：鋼鐵聯(lián)合基金重點(diǎn)項(xiàng)目(U1460204) 遼寧省自然科學(xué)基金資助項(xiàng)目(2015020180) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(N140704002)
【分類號(hào)】：TP311.13;TP183;TG335
【正文快照】： 近年來(lái),智能制造的提出加快了我國(guó)兩化融合的進(jìn)程,與此同時(shí),通信、大數(shù)據(jù)及云計(jì)算等技術(shù)得到了迅猛發(fā)展,這些技術(shù)改變了傳統(tǒng)的鋼鐵行業(yè)生產(chǎn)方式,同時(shí)也催生出了鋼鐵行業(yè)內(nèi)的新技術(shù).其中,以力學(xué)性能預(yù)測(cè)為基礎(chǔ)的集約化生產(chǎn)技術(shù)得到了較大發(fā)展.采用生產(chǎn)數(shù)據(jù)建立力學(xué)性能預(yù)測(cè)模型，

本文編號(hào)：1022858