基于机器学习方法的冷轧硅钢磁性能预报模型研究
黄望芽１，２，程亚明２，苏异才２，京晨阳２（1.同济大学电子与信息工程学院；2.宝山钢铁股份有限公司）
摘要：冷轧硅钢生产路径长，过程工艺控制复杂，在最终成品退火工序进行离线检测磁性能的生产组织模式，无法满足在中间工序进行过程工艺纠偏来提升产品性能稳定性的质量管控要求。本文利用XGBoost、LightGBM、多层感知机MLP等机器学习算法，通过对比不同算法的优劣，采用XGBoost和LightGBM 算法构建的磁性能预报模型可满足大生产条件下选择性采纳应用的要求，可支持实现各中间工序的生产过程中预报成品磁性能水平，从而达到指导过程工艺调整，并进而稳定最终成品磁性能的目的。
关键词：硅钢；磁性能预报模型；机器学习
目录介绍
1 数据及预处理
1.1 数据清理
1.1.1 缺失值的处理
1.1.2 离群点处理
1.2 数据集成
1.3 数据降维
1.4 数据变换
1.4.1 数据规范化
1.4.2 数据离散化
1.4.3 名义变量处理
1.5 参数设置
2 数据建模
2.1 模型评估方法
2.2 XGBoost
2.2.1 算法初始化
2.2.2 参数调优
2.2.3 建模结果
2.3 LightGBM
2.3.1 算法初始化
2.3.2 参数调优
2.3.3建模结果
2.4 MLP
2.4.1 算法初始化
2.4.2 参数调优
2.4.3 建模结果
3 模型对比
4 结论
©软件著作权归作者所有。本站所有文件均来源于网络，仅供学习使用，请支持正版！
转载请注明出处！
发表评论 取消回复