板带力学性能预报的集成学习模型及其可靠性评价

• 作者: 李飞飞 宋勇 刘超 李博 张世伟
• 来源期刊: 机械工程学报
• 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
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 交叉与前沿
• 页码范围: 239-246
• 页数: 8页
• 分类号: TG156
• 语种: 中文
• DOI: 10.3901/JME.2021.02.239

摘要

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.