机器学习在深冲钢质量自动判级中的应用
在流程工业中,生产过程需根据客户对产品质量要求进行判级,以满足客户提出的产品质量需求.?目前,企业主要采用"事后"抽检方式,但因无法对所有产品实现在线自动判级,常发生索赔和退货,导致我国钢铁企业每年近100亿元损失.为了实现产品质量在线自动判级,提出基于高维数据非线性同等缩放与核简支集类边界确定相结合的质量在线智能判级方法.?首先,将高维的工艺参数通过非线性同等缩放算法变换成低维的数据集,并对缩放后数据集进行聚类,分析工艺参数的类分布特征.?然后,根据分类后样本的质量指标值分布,采用核简支集类边界算法来确定不同产品质量级别的类边界.?最后,依据已确定的类边界,通过质量指标预测实现产品在线判级.?通过深冲钢(IF钢)应用实例,证实该方法在训练阶段的在线自动判级准确率达到97.2%,测试阶段的准确率为96%.
机器学习、信息物理系统、深冲钢、产品质量、自动判级
44
TP274(自动化技术及设备)
国家科技支撑计划2015BAF30B01
2022-05-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
1062-1071