[发明专利]一种基于模糊推理算法的热轧带钢板形凸度预测的方法

权利要求书

1.一种基于模糊推理算法的热轧带钢板形凸度预测的方法，其特征在于，包括以下步骤：

S1、收集热轧带钢生产过程中记录的数据，确定数据中影响热轧带钢板形凸度的参数，构建原始数据集；

S2、利用随机森林算法，筛选原始数据集中影响热轧带钢板形凸度的关键数据特征，构建基于关键数据特征的特征数据集；

S3、利用FCM算法对特征数据集进行聚类分析，构建初始的模糊规则；

S4、使用Mamdani模糊推理法获得热轧带钢板形凸度预测结果。

2.根据权利要求1所述的一种基于模糊推理算法的热轧带钢板形凸度预测的方法，其特征在于，所述步骤S2中，利用随机森林算法，筛选原始数据集中影响热轧带钢板形凸度的关键数据特征，具体为：

S21、对原始数据集进行有放回的随机抽样，形成若干训练集；

S22、从训练集的M个数据特征随机抽样M₁个数据特征，其中M₁M；

S23、构建cart决策树，不进行剪枝；

S24、多个弱学习器进行投票决策出最终输出，对数据特征的重要度排序；

S25、选出前15个数据特征作为关键数据特征。

3.根据权利要求2所述的一种基于模糊推理算法的热轧带钢板形凸度预测的方法，其特征在于，所述步骤S3中，利用FCM算法对特征数据集进行聚类分析，具体为：

S31、确定初始聚类数目C和参数m，初始化聚类中心

S32、计算初始的隶属度矩阵U；

S33、更新聚类中心和隶属度矩阵U；

S34、当满足max(ε)≤ε₀时，停止更新，得到最小化目标函数；

S35、将数据点划分至隶属度最大的一类；

其中，max(ε)是指现阶段的隶属度函数值与上一迭代的隶属度函数值的最大差值，ε₀为误差阈值。

4.根据权利要求3所述的一种基于模糊推理算法的热轧带钢板形凸度预测的方法，其特征在于，所述步骤S31中，确定初始聚类数目C和参数m，初始化聚类中心c，具体为：

S311、将特征数据集划分为S个网格，并计算网格密度值和平均密度；

S312、选定参数a，满足网格密度值大于a倍平均密度值的网格留下，其他网格删除；

S313、在留下的网格中选择密度值最大的网格中心作为第一个聚类中心，并计算剩余网格的密度值和平均密度值；

S314、选定参数b，满足网格密度值大于b倍的平均密度值的网格，从中选择到聚类点最远的网格中心作为第二个聚类中心；

S315、循环步骤S312-S314，直至网格S集中的所有网格均被选择；

S316、确定初始聚类数目C和参数m，初始化聚类中心

5.根据权利要求1所述的一种基于模糊推理算法的热轧带钢板形凸度预测的方法，其特征在于，所述步骤S4中，Mamdani模糊推理过程的表达式为：

其中的模糊蕴含关系如下：