数据驱动弹簧钢脱碳影响要素分析与质量预测

摘要：

脱碳质量对于线材钢产品质量和性能有显著影响,因此提出了一种基于线材生产过程数据的弹簧钢脱碳影响要素分析与质量预测方法.首先,采用XGBoost进行变量选择;其次,采用沙普利加法解释模型(SHap-ley Additive exPlanation,SHAP)对影响弹簧钢质量的要素进行分析与解释;再次,采用偏相关分析(partial cross mapping,PCM)构建影响要素的因果关系图,对影响脱碳质量的根因进行识别;最后,基于XGBoost构建脱碳质量状态预测模型.利用宝钢高速线材产线弹簧钢脱碳数据进行方法验证,选出了 12个脱碳影响要素,在此变量选择结果上分别使用SHAP和PCM方法获取了更多的数据特征信息,利用该变量子集构建XGBoost脱碳质量预测模型,准确率为88.72％,检出率可达到93.89％,与使用全体变量建模的结果接近,验证了所提方法的有效性.

关键词：弹簧钢、脱碳、数据驱动建模、可解释性相关分析、偏相关分析

所属期刊栏目：46

分类号：TP311.52;K091;TP277

资助基金：国家自然科学基金;国家自然科学基金;上海市青年科技启明星项目

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：103-111