基于大数据的C-Mn钢数据预处理及神经网络模型

作者：吴思炜; 曹光明; 周晓光; 刘振宇

来源：东北大学学报(自然科学版), 2016, 37(12): 1710-1739.

• 大数据
• 建模
• 预处理
• 平均影响值
• C-Mn钢

在神经网络建模时,如果原始数据不加处理或经过简单剔除异常值后用于建模,则可能建立出错误的模型,即其规律并不符合物理冶金原理.因此建模前需要对原始数据进行处理,使其呈现出显著的规律性.针对钢铁生产采集的大量C-Mn钢数据进行了钢种归并,提出了数据预处理的一套方法,并采用LMBP神经网络建立了满足一定精度(94.21%)的多牌号C-Mn钢屈服强度预测模型.通过平均影响值(mean impact value,MIV)分析了成分及工艺参数对屈服强度的影响规律.结果表明,随着碳含量的增加,屈服强度增大;随着终轧厚度和卷取温度的降低,屈服强度增大.

• 单位
  轧制技术及连轧自动化国家重点实验室; 东北大学