中厚板新产品性能预测系统的研究与开发

• 作 者: 邢立刚
• 出 处: 东北大学
• 发表日期: 2015年01期
• 关键词: 数据集市 数据挖掘 性能预测 神经元网络 极限学习机

在国内钢铁行业竞争极为激烈的情况下,钢铁产品的利润急剧下降,企业为争取利润空间,更加追求新产品或高质量产品所带来的竞争优势,鞍钢作为钢铁行业的老生产基地,更注重对新产品、高质量产品的研发。而中厚板产品是鞍钢的重要钢铁产品,包括舰船板、军工用钢、核电用钢、航天用钢等,均为鞍钢的战略钢铁产品。所以中厚板新产品或高质量产品的研发具有重大战略意义。中厚板产品是典型的以热轧(或控轧)状态交付最终用户直接使用的钢材产品,产品性能是衡量产品质量的主要依据。影响产品性能的主要因素是产品化学成分和生产工艺,因此研究、开发产品性能预测系统,了解并掌握产品化学成分和生产工艺对产品性能的影响规律具有非常重要的意义。研究、开发中厚板新产品性能预测系统,可以利用鞍钢数据仓库中的海量数据,结合当今主流的大数据技术——数据集市和数据挖掘技术,研究基于大数据技术的产品性能预测模型,并开发交互式的软件系统,使技术人员能在仿真的环境下实现新产品研发中的产品性能预测功能,可以大大降低中厚板新产品研发的周期和成本。本文着重研究三方面:数据集市应用技术、数据挖掘(分析)技术和交互式软件系统开发。首先,使用DataStage开发工具设计、构建数据集市;其次,应用神经元网络和极限学习机这两种模型理论,借助SPSS Modeler建模工具和MATLAB工具创建、训练性能预测模型;最后,使用JAVA语言开发交互式软件系统。并且对比传统的神经元网络建模技术,研究极限学习机(ELM)新技术在预测问题上的优势,以及ELM能更好的避免数据样本数量不足及局部最优解问题,从而可以更好的解决鞍钢中厚板生产数据中部分生产工艺的数据量过少的问题。为研发更多生产工艺下的新产品奠定基础。