机械工程学报

作者：李飞飞, 宋勇, 刘超, 李博, 张世伟

单位：1. 北京科技大学高效轧制国家工程研究中心 北京 100083;2. 北京科技大学国家板带生产先进装备工程技术研究中心 北京 100083

关键词：偏差预测,力学性能预测,神经网络,集成学习,可靠性评价；

基金：国家自然科学基金（51674028）和广西创新驱动发展专项资金计划（GKAA17202008）资助项目。

热轧板带力学性能预报具有十分广阔的应用前景。但目前的力学性能预报模型精度不高、泛化能力较差，且无法评价预测结果的准确性，限制了其在实际应用中的效果。为了提高力学性能预报模型的精度和实现预测结果的可靠性评价，采用BP神经网络将目前直接预测力学性能结果的建模方法转换为对样本间的力学性能偏差分布预测的建模，并结合模型预测结果分布的离散程度设计可靠性评价指标，同时采用集成学习提高模型的泛化能力。通过试验验证，该集成学习模型具有较高的预测精度，进一步，根据可靠性评价指标分析，除了其中占比约3.5%样本的预测结果具有较大不确定性，剩余样本的屈服强度和抗拉强度在误差±30 MPa的预测准确率达到了98.45%和98.97%，延伸率在误差±5%下的预测准确率达到了99.48%，有效地提高了模型预测准确率，在生产现场应用中具有一定的指导意义。

来源：2021年第2期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2021年第2期