專利名稱：一種極少新鋼種數(shù)據(jù)樣本下的質(zhì)量設(shè)計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于鋼鐵工業(yè)的鋼種質(zhì)量自動(dòng)控制領(lǐng)域，特別是提供了一種極少新鋼種數(shù)據(jù)樣本下的質(zhì)量設(shè)計(jì)方法，有效的解決了新鋼種試驗(yàn)數(shù)據(jù)樣本極少，無法建立有效模型的問題，提高了新鋼種模型的準(zhǔn)確性和新鋼種設(shè)計(jì)的可靠性。
背景技術(shù)：
鋼鐵工業(yè)生產(chǎn)過程中的新鋼種設(shè)計(jì)問題一直是鋼鐵企業(yè)極為關(guān)注的領(lǐng)域，它是現(xiàn)代鋼鐵工業(yè)生產(chǎn)的必不可少環(huán)節(jié)。鋼種的設(shè)計(jì)是一個(gè)比較復(fù)雜的過程，涉及到材料學(xué)、力學(xué)、化學(xué)反應(yīng)工程學(xué)、燃燒學(xué)、系統(tǒng)建模等理論，其中最為關(guān)鍵的就是通過鋼的工藝模型進(jìn)行工藝設(shè)計(jì)。某種鋼的工藝模型可以是以材料學(xué)、冶金工藝學(xué)、化學(xué)反應(yīng)工程學(xué)、燃燒學(xué)等理論為基礎(chǔ)建立的機(jī)理模型，也可以是以數(shù)據(jù)分析、人工智能等理論為基礎(chǔ)建立的統(tǒng)計(jì)模型或智能模型。如文獻(xiàn)“建筑用耐火鋼的設(shè)計(jì)、性能及微組織”利用微觀組織分析技術(shù)設(shè)計(jì)耐火鋼中國力學(xué)學(xué)會(huì)材料與結(jié)構(gòu)之力學(xué)測試國際會(huì)議1998、“耐候鋼的設(shè)計(jì)與綜合性能研究鋼鐵1993”根據(jù)機(jī)理模型Hall-Petch公式設(shè)計(jì)耐候鋼的強(qiáng)度和韌性、“低碳馬氏體型超高強(qiáng)度鋼的設(shè)計(jì)與開發(fā)西安交通大學(xué)學(xué)報(bào)1994”利用機(jī)理模型設(shè)計(jì)了低碳合金鋼的綜合力學(xué)性能。這些研究工作都是是在已有的或經(jīng)過試驗(yàn)調(diào)整后的模型基礎(chǔ)上進(jìn)行鋼的質(zhì)量設(shè)計(jì)，要保證設(shè)計(jì)結(jié)果的可靠性模型必需是足夠準(zhǔn)確的，機(jī)理模型通常是在實(shí)驗(yàn)室的環(huán)境中經(jīng)過大量試驗(yàn)后得到的，而各鋼廠在生產(chǎn)中的環(huán)境是不可能與試驗(yàn)環(huán)境完全一致的，這就導(dǎo)致依據(jù)機(jī)理模型進(jìn)行的鋼的質(zhì)量設(shè)計(jì)結(jié)果往往差強(qiáng)人意。在這種情況下，往往需要對(duì)機(jī)理模型進(jìn)行修正或利用智能技術(shù)建立智能模型，這都要求大量的生產(chǎn)數(shù)據(jù)或試驗(yàn)數(shù)據(jù)作為分析基礎(chǔ)，而大量實(shí)際數(shù)據(jù)的要求對(duì)于新鋼種的設(shè)計(jì)來說幾乎是不可能的。生產(chǎn)企業(yè)出于成本的考慮，不可能在新鋼種的開發(fā)過程中進(jìn)行過多的試驗(yàn)，通常新鋼種的試驗(yàn)數(shù)據(jù)只有2～3個(gè)，傳統(tǒng)的統(tǒng)計(jì)和智能技術(shù)是不可能利用這么少的樣本進(jìn)行新鋼種的工藝建模的，必需利用與新鋼種的生產(chǎn)工藝接近的歷史數(shù)據(jù)才能進(jìn)行建模，如文獻(xiàn)“確定復(fù)合材料許用值的高精度小樣本方法航空學(xué)報(bào)1999”提出了一種根據(jù)以往經(jīng)驗(yàn)和少量新的試驗(yàn)數(shù)據(jù)相結(jié)合的方法確定符合材料的許用值，“確定疲勞極限的極小樣本方法機(jī)械強(qiáng)度1999”同樣利用了歷史數(shù)據(jù)與新數(shù)據(jù)結(jié)合的方法計(jì)算材料的疲勞極限。這些方法雖然考慮到了在極少新樣本的情況下需要利用歷史信息的辦法，但在新樣本與歷史信息結(jié)合的方式上將新樣本與歷史信息同等對(duì)待，沒有充分利用到新樣本中包含的信息。
本發(fā)明在新鋼種的設(shè)計(jì)中同樣采用了新樣本與歷史信息結(jié)合的方法，但在兩者結(jié)合的方式上進(jìn)行了創(chuàng)新，更加突出了新樣本在鋼的工藝建模中的作用，充分利用了新樣本中包含的信息，得到的新鋼種的工藝模型更加準(zhǔn)確，鋼的設(shè)計(jì)也更加可靠。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種極少新鋼種數(shù)據(jù)樣本下的質(zhì)量設(shè)計(jì)方法及其系統(tǒng)，以解決新鋼種試驗(yàn)樣本極少(2～3個(gè))，無法建立有效的新鋼種模型，從而使新鋼種的質(zhì)量設(shè)計(jì)不準(zhǔn)確的問題，利用本發(fā)明的方法可以提高新鋼種模型的準(zhǔn)確性和新鋼種設(shè)計(jì)的可靠性，并設(shè)計(jì)了一套以該方法為核心的新鋼種質(zhì)量設(shè)計(jì)系統(tǒng)，可以將本發(fā)明的方法應(yīng)用在新鋼種質(zhì)量設(shè)計(jì)方面。
本發(fā)明首先從歷史樣本中提取不少于50個(gè)與新鋼種生產(chǎn)工藝接近的生產(chǎn)數(shù)據(jù)，并與新鋼種試驗(yàn)數(shù)據(jù)樣本合并后形成最終樣本，然后通過加權(quán)優(yōu)化方法建立新鋼種模型(首先用近似度評(píng)估算法對(duì)歷史樣本與新鋼種樣本間的相似程度進(jìn)行度量，并產(chǎn)生相似系數(shù)，然后由目標(biāo)加權(quán)法產(chǎn)生新鋼種的樣本加權(quán)系數(shù)及建模目標(biāo)函數(shù))，最后根據(jù)建模目標(biāo)函數(shù)建立新鋼種模型后進(jìn)行質(zhì)量設(shè)計(jì)。同時(shí)，以加權(quán)優(yōu)化方法為核心形成包括歷史數(shù)據(jù)抽取、新鋼種數(shù)據(jù)抽取、數(shù)據(jù)處理及合并、加權(quán)優(yōu)化建模、質(zhì)量設(shè)計(jì)、建模算法庫六個(gè)模塊的新鋼種質(zhì)量設(shè)計(jì)系統(tǒng)。具體方案包括1、由歷史數(shù)據(jù)抽取模塊從關(guān)系數(shù)據(jù)庫Oracle、SQL Server或文本文件、EXCEL文件中提取建模歷史樣本，用戶需要確定與新鋼種工藝接近的提取條件，如成分、出鋼溫度、道次壓下量等數(shù)據(jù)，傳送到數(shù)據(jù)合并處理模塊2、新鋼種數(shù)據(jù)抽取模塊從關(guān)系數(shù)據(jù)庫Oracle、SQL Server或文本文件、EXCEL文件中提取新鋼種試驗(yàn)樣本，要求的工藝變量與歷史樣本相同，并傳送到數(shù)據(jù)合并處理模塊；3、數(shù)據(jù)處理及合并模塊對(duì)從歷史數(shù)據(jù)抽取模塊首先進(jìn)行預(yù)處理，包括對(duì)空值進(jìn)行平均值替代或剔除的處理、對(duì)異常數(shù)據(jù)進(jìn)行剔除的處理、對(duì)數(shù)據(jù)進(jìn)行均值—標(biāo)準(zhǔn)查或極大—極小標(biāo)準(zhǔn)化的處理、處理后的數(shù)據(jù)與新鋼種數(shù)據(jù)抽取模塊傳送過來的數(shù)據(jù)進(jìn)行合并，并對(duì)新鋼種的試驗(yàn)數(shù)據(jù)樣本進(jìn)行標(biāo)注；4、加權(quán)優(yōu)化建模模塊對(duì)合并后的數(shù)據(jù)進(jìn)行建模，建模步驟如下(1)由近似評(píng)估算法對(duì)歷史樣本和新鋼種樣本的近似程度進(jìn)行評(píng)價(jià)，算出近似度系數(shù)ε，近似度系數(shù)為0～1之間的連續(xù)值，系數(shù)越接近0表示兩種樣本間越相近；(2)計(jì)算對(duì)新樣本的加權(quán)系數(shù)λ，λ＝(ε+1)×5；(3)生成建模目標(biāo)函數(shù) 其中k為歷史樣本數(shù)目，m為新鋼種樣本數(shù)目，y為質(zhì)量指標(biāo)向量；(4)調(diào)用建模算法庫中的算法進(jìn)行單元模型的建模，建模算法可以采用線性回歸或非線性回歸或BP神經(jīng)網(wǎng)絡(luò)或支撐矢量機(jī)等；5、新鋼種模型建成后可以利用質(zhì)量設(shè)計(jì)模塊使用該模型進(jìn)行新鋼種質(zhì)量設(shè)計(jì)；設(shè)計(jì)步驟如下(1)首先確定質(zhì)量指標(biāo)的目標(biāo)范圍；(2)確定設(shè)計(jì)變量，即工藝變量；
(3)確定設(shè)計(jì)目標(biāo)，即確定設(shè)計(jì)變量的范圍；(4)根據(jù)新鋼種模型和前幾步的設(shè)定系統(tǒng)進(jìn)行尋優(yōu)，找出質(zhì)量指標(biāo)在目標(biāo)范圍內(nèi)的設(shè)計(jì)變量最優(yōu)值；所述的近似評(píng)估算法為首先計(jì)算出歷史樣本和新鋼種樣本的均值向量，然后計(jì)算兩個(gè)向量間的歐式距離d，最后計(jì)算近似度系數(shù)ϵ=dd+1·]]>所述的建模算法庫中存儲(chǔ)有多種模型計(jì)算公式，這些算法都是以各種函數(shù)的形式向調(diào)用者提供計(jì)算功能，算法庫中主要包括線性回歸、非線性回歸、偏最小二乘回歸、主元回歸、支撐矢量回歸、BP神經(jīng)網(wǎng)絡(luò)等常用的建模算法。
所述的關(guān)系數(shù)據(jù)庫為SQL Server2000或Oracle9i。
所述的文本文件為以txt或csv為后綴的ASCII碼文件。
本發(fā)明的優(yōu)點(diǎn)在于與傳統(tǒng)的方法相比，本發(fā)明在建模目標(biāo)函數(shù)中根據(jù)新樣本與歷史樣本之間的相似程度對(duì)新鋼種樣本進(jìn)行不同程度的加權(quán)處理，使得在建立新鋼種模型時(shí)更大程度的考慮新鋼種樣本提供的信息，同時(shí)也不丟棄歷史樣本中包含的近似鋼種的工藝信息，這樣在建立新鋼種模型時(shí)比傳統(tǒng)方法更多的包含了新鋼種的信息，使新鋼種模型也更準(zhǔn)確，依據(jù)此模型所做的質(zhì)量設(shè)計(jì)也更加可靠。


圖1為本發(fā)明的系統(tǒng)組成圖。系統(tǒng)主要由六個(gè)部分組成歷史數(shù)據(jù)抽取模塊、新鋼種數(shù)據(jù)抽取模塊、數(shù)據(jù)處理及合并模塊、加權(quán)優(yōu)化建模模塊、質(zhì)量設(shè)計(jì)模塊、以及建模算法庫。
圖2為本發(fā)明的新鋼種質(zhì)量設(shè)計(jì)系統(tǒng)結(jié)構(gòu)圖。數(shù)據(jù)采集卡可以安裝系統(tǒng)所在計(jì)算機(jī)上，也可以安裝在單獨(dú)的數(shù)據(jù)采集機(jī)上，由傳感器將生產(chǎn)設(shè)備的過程狀態(tài)信號(hào)傳遞到數(shù)據(jù)采集卡上，采集卡將信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，存入存儲(chǔ)器中的實(shí)時(shí)數(shù)據(jù)庫或文本文件中。
存儲(chǔ)器是80G以上的SCSI高速硬盤。
數(shù)據(jù)庫是一個(gè)關(guān)系數(shù)據(jù)庫SQL Server 2000或Oracle 9i。
歷史數(shù)據(jù)抽取模塊從關(guān)系數(shù)據(jù)庫或文本文件中提取建模所需數(shù)據(jù)，并傳送給數(shù)據(jù)處理及合并模塊。
新鋼種數(shù)據(jù)抽取模塊從關(guān)系數(shù)據(jù)庫或文本文件中提取新鋼種試驗(yàn)數(shù)據(jù)，并傳送給數(shù)據(jù)處理及合并模塊。
數(shù)據(jù)處理及合并模塊將歷史數(shù)據(jù)處理后，再與新鋼種數(shù)據(jù)進(jìn)行合并，供加權(quán)優(yōu)化建模模塊進(jìn)行建模。
加權(quán)優(yōu)化建模模塊利用近似評(píng)估算法和目標(biāo)加權(quán)法進(jìn)行建模，建模時(shí)調(diào)用建模算法庫中的算法。
質(zhì)量設(shè)計(jì)模塊根據(jù)加權(quán)優(yōu)化建模模塊提供的新鋼種模型進(jìn)行質(zhì)量設(shè)計(jì)。
圖3為本發(fā)明的菜單圖。整個(gè)新鋼種質(zhì)量設(shè)計(jì)過程是采用人機(jī)交互式方法完成。用戶可以根據(jù)自己掌握的信息進(jìn)行各種選擇，也可以通過計(jì)算機(jī)進(jìn)行優(yōu)化設(shè)計(jì)，提高了設(shè)計(jì)的效率。
圖4為本發(fā)明的新鋼種質(zhì)量設(shè)計(jì)系統(tǒng)的運(yùn)行程序圖。
1)首先進(jìn)行歷史數(shù)據(jù)的抽取，抽取時(shí)應(yīng)盡量使歷史數(shù)據(jù)與新鋼種的生產(chǎn)工藝條件數(shù)據(jù)接近，若抽取的歷史數(shù)據(jù)與新鋼種的生產(chǎn)工藝條件相差太遠(yuǎn)，將對(duì)建模和設(shè)計(jì)的效果產(chǎn)生較大影響；2)新鋼種樣本的抽取將新鋼種的試驗(yàn)數(shù)據(jù)提取出來，必須保證歷史數(shù)據(jù)與新鋼種數(shù)據(jù)的工藝變量一致；3)歷史數(shù)據(jù)經(jīng)過處理后與新鋼種數(shù)據(jù)進(jìn)行合并以便進(jìn)行建模；4)加權(quán)優(yōu)化建模模塊首先利用近似度評(píng)估算法計(jì)算出相似系數(shù)ε，然后采用目標(biāo)加權(quán)的方法產(chǎn)生建模優(yōu)化目標(biāo)，目標(biāo)產(chǎn)生后就可以調(diào)用建模算法庫中的算法進(jìn)行建模運(yùn)算；5)新鋼種模型建立后，就可以利用它進(jìn)行新鋼種的質(zhì)量設(shè)計(jì)，設(shè)計(jì)時(shí)可以由人工方式進(jìn)行，也可以通過計(jì)算機(jī)尋優(yōu)完成，設(shè)計(jì)結(jié)果若不滿足要求則重新定義設(shè)計(jì)參數(shù)后繼續(xù)進(jìn)行設(shè)計(jì)，設(shè)計(jì)結(jié)果滿足要求后保存結(jié)果。
圖5為本發(fā)明的加權(quán)優(yōu)化建模方法流程圖。建模方法為1)首先將合并后的建模數(shù)據(jù)導(dǎo)入；2)利用近似度評(píng)估算法計(jì)算出歷史樣本與新鋼種樣本之間的相似系數(shù)ε，若系數(shù)大于0.99則表明兩者指甲相差太遠(yuǎn)需要重新進(jìn)行歷史數(shù)據(jù)抽取，相似度滿足要求后進(jìn)入下一步；3)采用目標(biāo)加權(quán)的方法產(chǎn)生建模優(yōu)化目標(biāo)，新鋼種的加權(quán)值λ＝(ε+1)×5，得到建模目標(biāo)為 其中k為歷史樣本數(shù)目，m為新鋼種樣本數(shù)目，y為質(zhì)量指標(biāo)向量。這樣歷史樣本與新鋼種樣本間距離越小對(duì)新鋼種的加權(quán)越小，若兩者之間距離較大則相應(yīng)加大新鋼種數(shù)據(jù)在建模時(shí)的作用；4)目標(biāo)產(chǎn)生后調(diào)用建模算法庫中的算法針對(duì)加權(quán)后的目標(biāo)進(jìn)行建模運(yùn)算。
具體實(shí)施例方式
1)首先，利用歷史數(shù)據(jù)抽取模塊打開歷史數(shù)據(jù)文件(可以是EXCEL文件或文本文件或關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)表)；2)選擇需要抽取數(shù)據(jù)的變量名；3)定義變量的取值范圍，可以定義某個(gè)變量的取值范圍，也可以定義多個(gè)變量的聯(lián)合取值范圍；4)根據(jù)定義的取值范圍抽取歷史數(shù)據(jù)，若不足50則重新進(jìn)行取值范圍定義；
5)利用新鋼種數(shù)據(jù)抽取模塊打開包含新鋼種試驗(yàn)數(shù)據(jù)的文件(可以是EXCEL文件或文本文件或關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)表)；6)選擇需要抽取數(shù)據(jù)的變量名，變量名必須與歷史數(shù)據(jù)的變量名一致；7)將所有新鋼種數(shù)據(jù)全部抽?。?)數(shù)據(jù)處理及合并模塊對(duì)歷史樣本進(jìn)行處理，去除含有空值的樣本。然后將歷史樣本與新鋼種樣本按變量名進(jìn)行合并，成為統(tǒng)一的數(shù)據(jù)表，需要時(shí)可以對(duì)合并后的數(shù)據(jù)進(jìn)行均值—標(biāo)準(zhǔn)查或極大—極小標(biāo)準(zhǔn)化的處理；9)利用近似度評(píng)估算法計(jì)算出歷史樣本與新鋼種樣本之間的相似系數(shù)ε，若系數(shù)大于0.99則表明兩者指甲相差太遠(yuǎn)需要重新進(jìn)行歷史數(shù)據(jù)抽取，相似度滿足要求后進(jìn)入下一步；10)采用目標(biāo)加權(quán)的方法產(chǎn)生建模優(yōu)化目標(biāo)，對(duì)新鋼種的數(shù)據(jù)進(jìn)行加權(quán)，加權(quán)值λ＝(ε+1)×5，得到建模目標(biāo)為 其中k為歷史樣本數(shù)目，m為新鋼種樣本數(shù)目，y為質(zhì)量指標(biāo)向量。這樣歷史樣本與新鋼種樣本間距離越小對(duì)新鋼種的加權(quán)越小，若兩者之間距離較大則相應(yīng)加大新鋼種數(shù)據(jù)在建模時(shí)的作用；11)目標(biāo)產(chǎn)生后調(diào)用建模算法庫中的算法針對(duì)加權(quán)后的目標(biāo)進(jìn)行建模運(yùn)算，對(duì)于線性或非線性回歸以為目標(biāo)函數(shù)進(jìn)行最小二乘運(yùn)算，對(duì)于BP神經(jīng)網(wǎng)絡(luò)以為目標(biāo)函數(shù)進(jìn)行誤差反傳優(yōu)化計(jì)算，對(duì)于支撐矢量機(jī)以為目標(biāo)函數(shù)進(jìn)行二次規(guī)劃運(yùn)算。運(yùn)算后將得到新鋼種的模型參數(shù)，也就確定了新鋼種模型；12)新鋼種模型建立后，就可以利用它進(jìn)行新鋼種的質(zhì)量設(shè)計(jì)，設(shè)計(jì)時(shí)可以由人工方式進(jìn)行，也可以通過計(jì)算機(jī)尋優(yōu)完成，設(shè)計(jì)結(jié)果若不滿足要求則重新定義設(shè)計(jì)參數(shù)后繼續(xù)進(jìn)行設(shè)計(jì)，設(shè)計(jì)結(jié)果滿足要求后保存結(jié)果。
權(quán)利要求
1.一種極少新鋼種數(shù)據(jù)樣本下的質(zhì)量設(shè)計(jì)方法，其特征在于首先從歷史樣本中提取不少于50個(gè)與新鋼種生產(chǎn)工藝接近的生產(chǎn)數(shù)據(jù)，并與新鋼種試驗(yàn)數(shù)據(jù)樣本合并后形成最終樣本，然后通過加權(quán)優(yōu)化方法建立新鋼種模型，最后根據(jù)建模目標(biāo)函數(shù)建立新鋼種模型后進(jìn)行質(zhì)量設(shè)計(jì)；所述的加權(quán)優(yōu)化方法建立新鋼種模型是首先用近似度評(píng)估算法對(duì)歷史樣本與新鋼種樣本間的相似程度進(jìn)行度量，并產(chǎn)生相似系數(shù)，然后由目標(biāo)加權(quán)法產(chǎn)生新鋼種的樣本加權(quán)系數(shù)及建模目標(biāo)函數(shù)；同時(shí)，以加權(quán)優(yōu)化方法為核心形成包括歷史數(shù)據(jù)抽取、新鋼種數(shù)據(jù)抽取、數(shù)據(jù)處理及合并、加權(quán)優(yōu)化建模、質(zhì)量設(shè)計(jì)、建模算法庫六個(gè)模塊的新鋼種質(zhì)量設(shè)計(jì)系統(tǒng)；具體方案包括a、由歷史數(shù)據(jù)抽取模塊從關(guān)系數(shù)據(jù)庫Oracle、SQL Server或文本文件、EXCEL文件中提取建模歷史樣本，用戶需要確定與新鋼種工藝接近的提取條件，如成分、出鋼溫度、道次壓下量等數(shù)據(jù)，傳送到數(shù)據(jù)合并處理模塊b、新鋼種數(shù)據(jù)抽取模塊從關(guān)系數(shù)據(jù)庫Oracle、SQL Server或文本文件、EXCEL文件中提取新鋼種試驗(yàn)樣本，要求的工藝變量與歷史樣本相同，并傳送到數(shù)據(jù)合并處理模塊；c、數(shù)據(jù)處理及合并模塊對(duì)從歷史數(shù)據(jù)抽取模塊首先進(jìn)行預(yù)處理，包括對(duì)空值進(jìn)行平均值替代或剔除的處理、對(duì)異常數(shù)據(jù)進(jìn)行剔除的處理、對(duì)數(shù)據(jù)進(jìn)行均值—標(biāo)準(zhǔn)查或極大—極小標(biāo)準(zhǔn)化的處理、處理后的數(shù)據(jù)與新鋼種數(shù)據(jù)抽取模塊傳送過來的數(shù)據(jù)進(jìn)行合并，并對(duì)新鋼種的試驗(yàn)數(shù)據(jù)樣本進(jìn)行標(biāo)注；d、加權(quán)優(yōu)化建模模塊對(duì)合并后的數(shù)據(jù)進(jìn)行建模；e、新鋼種模型建成后利用質(zhì)量設(shè)計(jì)模塊使用該模型進(jìn)行新鋼種質(zhì)量設(shè)計(jì)。
2.按照權(quán)利要求1所述的方法，其特征在于所述的加權(quán)優(yōu)化建模模塊對(duì)合并后的數(shù)據(jù)進(jìn)行建模的步驟為a、首先由近似評(píng)估算法對(duì)歷史樣本和新鋼種樣本的近似程度進(jìn)行評(píng)價(jià)，算出近似度系數(shù)ε，近似度系數(shù)為0~1之間的連續(xù)值，系數(shù)越接近0表示兩種樣本間越相近；b、計(jì)算對(duì)新樣本的加權(quán)系數(shù)λ，λ＝(ε+1)×5；c、生成建模目標(biāo)函數(shù) 其中k為歷史樣本數(shù)目，m為新鋼種樣本數(shù)目，y為質(zhì)量指標(biāo)向量；d、再調(diào)用建模算法庫中的算法進(jìn)行單元模型的建模，所述的建模算法采用線性回歸或非線性回歸或BP神經(jīng)網(wǎng)絡(luò)或支撐矢量機(jī)。
3.按照權(quán)利要求1所述的方法，其特征在于新鋼種質(zhì)量設(shè)計(jì)的步驟為a、確定質(zhì)量指標(biāo)的目標(biāo)范圍；b、確定設(shè)計(jì)變量，即工藝變量；c、確定設(shè)計(jì)目標(biāo)，即確定設(shè)計(jì)變量的范圍；d、根據(jù)新鋼種模型和a、b、c步的設(shè)定進(jìn)行尋優(yōu)，找出質(zhì)量指標(biāo)在目標(biāo)范圍內(nèi)的設(shè)計(jì)變量最優(yōu)值。
4.按照權(quán)利要求1所述的方法，其特征在于所述的近似評(píng)估算法為首先計(jì)算出歷史樣本和新鋼種樣本的均值向量，然后計(jì)算兩個(gè)向量間的歐式距離d，最后計(jì)算近似度系數(shù)ϵ=dd+1.]]>
5.按照權(quán)利要求1所述的方法，其特征在于所述的建模算法庫中存儲(chǔ)有多種模型計(jì)算公式，這些算法都是以各種函數(shù)的形式向調(diào)用者提供計(jì)算功能，算法庫中主要包括線性回歸、非線性回歸、偏最小二乘回歸、主元回歸、支撐矢量回歸、BP神經(jīng)網(wǎng)絡(luò)等常用的建模算法。
6.按照權(quán)利要求1所述的方法，其特征在于所述的關(guān)系數(shù)據(jù)庫為SQLServer2000或Oracle9i。
7.按照權(quán)利要求1所述的方法，其特征在于所述的文本文件為以txt或csv為后綴的ASCII碼文件。
全文摘要
本發(fā)明提供了一種極少新鋼種數(shù)據(jù)樣本下的質(zhì)量設(shè)計(jì)方法，屬于鋼鐵工業(yè)的鋼種質(zhì)量自動(dòng)控制領(lǐng)域。首先從歷史樣本中提取不少于50個(gè)與新鋼種生產(chǎn)工藝接近的生產(chǎn)數(shù)據(jù)，并與新鋼種試驗(yàn)數(shù)據(jù)樣本合并后形成最終樣本，然后通過加權(quán)優(yōu)化方法建立新鋼種模型，最后根據(jù)建模目標(biāo)函數(shù)建立新鋼種模型后進(jìn)行質(zhì)量設(shè)計(jì)。同時(shí)，以加權(quán)優(yōu)化方法為核心形成包括歷史數(shù)據(jù)抽取、新鋼種數(shù)據(jù)抽取、數(shù)據(jù)處理及合并、加權(quán)優(yōu)化建模、質(zhì)量設(shè)計(jì)、建模算法庫六個(gè)模塊的新鋼種質(zhì)量設(shè)計(jì)系統(tǒng)。本發(fā)明的優(yōu)點(diǎn)在于有效的解決了新鋼種試驗(yàn)數(shù)據(jù)樣本極少，無法建立有效模型的問題，提高了新鋼種模型的準(zhǔn)確性和新鋼種設(shè)計(jì)的可靠件。
文檔編號(hào)G06F17/50GK1687935SQ20051001186
公開日2005年10月26日 申請(qǐng)日期2005年6月3日 優(yōu)先權(quán)日2005年6月3日
發(fā)明者顧佳晨, 孫彥廣, 趙弘 申請(qǐng)人:冶金自動(dòng)化研究設(shè)計(jì)院