科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于1180 MPa级超高强度冷轧双相(DP)钢卷生产数据，研究了基于主成分分析的化学主成分提取方法、网格搜索和交叉验证相结合的超参数寻优方法，建立了DP钢力学性能梯度提升决策树(GBDT)预测模型，并将预测结果与BP神经网络模型和广义可加模型的预测结果进行了比较。为了提高断后伸长率预测精度，以预测精度较高的GBDT预测模型为基础，通过模型预测误差分类模型和考虑误差补偿的模型预测修正方法，建立了考虑误差补偿的断后伸长率预测校正模型，该模型使断后伸长率在绝对误差±0.9%下的预测准确率达到了94.63%。DP钢性能预测模型在线运行时的实际预测精度较高，达到生产要求，有助于力学性能在线质量监控。
- 单位
