[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

说明书

本发明公开了一种基于模糊推理算法的热轧带钢板形凸度预测的方法，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。本发明便于实际应用到工业现场指导现场生产，提升钢铁产品质量的稳定性及一致性。

技术领域

本发明涉及热轧带钢生产技术领域，尤其涉及一种基于模糊推理算法的热轧带钢板形凸度预测的方法。

背景技术

热轧带钢的板形凸度是影响带钢产品质量的重要因素，对板形凸度实现在线预测能够有效提升热轧带钢产品质量，对板形凸度预测模型的研究具有广阔的应用前景。目前运用到板形凸度预测的方法大致分为两类，分别是基于机理模型的凸度预测和基于数据驱动的凸度预测。

基于机理模型的凸度预测是指基于钢铁轧制的原理、动量、质量及能量等的平衡关系得出凸度的预测模型，根据这类模型得出的凸度预测值较为准确，但对于钢铁生产这种轧制过程要得到准确的凸度求解方程十分困难，使得基于机理模型的凸度预测方法难以在钢铁轧制过程中广泛采用。

基于数据驱动的凸度预测是指根据钢铁轧制过程的现场工业数据和智能算法建立凸度预测模型，相较于基于机理模型的预测方法数据驱动方法不需要建立机理模型，只需要利用工业数据作为模型输入，输出相应的凸度预测值。

但是，数据驱动的凸度预测方法建立的是黑箱模型，现场工人难以根据模型对轧制过程进行相应改进，提升钢铁产品的质量。因此这种凸度预测的方法不适合指导现场生产，推广应用具有局限性。

发明内容

本发明意在提供一种基于模糊推理算法的热轧带钢板形凸度预测的方法，以解决现有凸度预测方法不适合指导现场生产，推广应用具有局限性的问题。

为达到上述目的，本发明提供如下技术方案：

一种基于模糊推理算法的热轧带钢板形凸度预测的方法，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。

进一步，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。

进一步，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；