發(fā)布時間：2022-07-11 19:23

　　熱軋帶鋼的力學性能預報始興于上世紀的70年代,是鋼鐵冶金行業(yè)關注的難點問題,是一項非常復雜的冶金前沿技術,具有廣闊的應用前景和深遠的科學意義。構建具有較高精度及可靠性的鋼材力學性能預報模型,有助于對現(xiàn)有鋼種的成分和工藝參數(shù)進行優(yōu)化設計以及設計新鋼種,提升帶鋼產(chǎn)品性能、降低生產(chǎn)成本,增強企業(yè)競爭力。熱軋帶鋼的力學性能受成分、工藝等因素的影響,各影響因素之間又相互耦合,作用機理復雜。為此,本文提出了一種融合生產(chǎn)數(shù)據(jù)與冶金機理的力學性能建模方法,借助生產(chǎn)數(shù)據(jù)與冶金機理對各因素的影響進行深入剖析,將復雜的高維非線性問題拆分為若干個子問題。利用隨機森林算法對熱軋帶鋼力學性能的影響因素進行篩選,實現(xiàn)了對模型的有效降維;采用孤立森林算法對熱軋生產(chǎn)過程異常數(shù)據(jù)進行清洗,提高建模數(shù)據(jù)的質量;建立熱軋帶鋼力學性能廣義可加預報模型,采用三次樣條函數(shù)對各成分、工藝因素對應的子模型進行擬合,運用局部積分算法對各子模型進行計算和修正,從而分別建立了熱軋帶鋼屈服強度、抗拉強度及延伸率的預測模型。經(jīng)實驗驗證,模型具有較高的預測精度與可靠性。提出了一種多精英解引導的多目標鯨魚優(yōu)化算法。采用基于反向學習的種群初始化策略使... 

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 本文的主要研究內容
第2章 熱軋帶鋼力學性能預報模型的構建方法
    2.1 建模步驟
    2.2 隨機森林篩選影響因素
        2.2.1 隨機森林算法
        2.2.2 重要性評價指標
    2.3 孤立森林清洗異常數(shù)據(jù)
    2.4 三次樣條函數(shù)估計子模型
    2.5 局部積分算法求解子模型
    2.6 本章小結
第3章 微合金鋼力學性能預報實驗驗證
    3.1 模型影響因子的篩選
        3.1.1 數(shù)據(jù)集的獲取
        3.1.2 隨機森林評價指標
        3.1.3 影響因子的重要性
    3.2 建模異常數(shù)據(jù)的清洗
        3.2.1 數(shù)據(jù)集的異常分值
        3.2.2 數(shù)據(jù)清洗前后模型對比
    3.3 力學性能預報模型的構建
    3.4 本章小結
第4章 基于多精英解引導的多目標鯨魚優(yōu)化算法
    4.1 多目標優(yōu)化基本概念
    4.2 標準單目標鯨魚優(yōu)化算法
    4.3 多目標鯨魚優(yōu)化算法
        4.3.1 算法框架
        4.3.2 基于反向學習的種群初始化
        4.3.3 精英解的選取和子代的產(chǎn)生
        4.3.4 鯨魚優(yōu)化算法的改進
    4.4 實驗仿真
    4.5 本章小結
第5章 熱軋帶鋼產(chǎn)品的多目標優(yōu)化設計
    5.1 熱軋帶鋼產(chǎn)品的多目標優(yōu)化設計模型
    5.2 微合金鋼產(chǎn)品優(yōu)化設計實驗及結果
    5.3 本章小結
第6章 總結與展望
    6.1 全文總結
    6.2 特點與創(chuàng)新
    6.3 不足與展望
致謝
參考文獻
附錄1 攻讀碩士學位期間發(fā)表的論文
附錄2 攻讀碩士學位期間參加的科研項目


【參考文獻】：
期刊論文
[1]精英反向黃金正弦鯨魚算法及其工程優(yōu)化研究[J]. 肖子雅,劉升.  電子學報. 2019(10)
[2]微合金鋼碳氮化物析出的熱力學仿真[J]. 李維剛,楊威,劉超,嚴�？�.  系統(tǒng)仿真學報. 2019(03)
[3]基于Isolation Forest改進的數(shù)據(jù)異常檢測方法[J]. 徐東,王巖俊,孟宇龍,張子迎.  計算機科學. 2018(10)
[4]基于卷積神經(jīng)網(wǎng)絡的熱軋帶鋼力學性能預報[J]. 胡石雄,李維剛,楊威.  武漢科技大學學報. 2018(05)
[5]改進鯨魚算法在多目標水資源優(yōu)化配置中的應用[J]. 沙金霞.  水利水電技術. 2018(04)
[6]融合大數(shù)據(jù)與冶金機理的熱軋帶鋼力學性能預報模型[J]. 李維剛,楊威,趙云濤,胡恒法.  鋼鐵研究學報. 2018(04)
[7]模糊作業(yè)時間的拆卸線平衡Pareto多目標優(yōu)化[J]. 汪開普,張則強,鄒賓森,毛麗麗.  計算機工程與應用. 2018(01)
[8]考慮安全約束的連退生產(chǎn)過程多目標操作優(yōu)化[J]. 王顯鵬,楊立文,董志明,張博.  控制與決策. 2018(10)
[9]正余混沌雙弦鯨魚優(yōu)化算法[J]. 劉竹松,李生.  計算機工程與應用. 2018(07)
[10]柳鋼熱軋普碳鋼卷力學性能線性回歸與神經(jīng)網(wǎng)絡預報模型的對比分析[J]. 熊良友.  柳鋼科技. 2017 (01)

碩士論文
[1]非支配排序遺傳算法（NSGA）的研究與應用[D]. 高媛.浙江大學 2006



本文編號：3658734