[发明专利]钢材性能预测模型的训练方法、预测方法及设备

权利要求书

1.一种钢材性能预测模型的训练方法，其特征在于，包括：

获取目标型号的钢材的多条生产数据，其中，每条生产数据包括钢材在生产过程中的成分含量数据、工艺参数数据和力学性能数据；

根据所述成分含量数据，将所述多条生产数据中属于同一炉钢材的各条生产数据归并为该炉钢材对应的一条第一典型数据；

根据各条第一典型数据中的工艺参数数据，将所有的第一典型数据中属于同一种工艺的各条第一典型数据归并为该种工艺对应的一条第二典型数据；

根据各条第二典型数据中的力学性能数据，对全部或部分的第二典型数据进行复制，以得到训练样本集；

根据所述训练样本集对贝叶斯神经网络进行训练，得到所述目标型号的钢材性能预测模型。

2.根据权利要求1所述的钢材性能预测模型的训练方法，其特征在于，所述根据所述成分含量数据，将所述多条生产数据中属于同一炉钢材的各条生产数据归并为该炉钢材对应的一条第一典型数据，包括：

将所述多条生产数据中成分含量数据一致的各条生产数据确定为属于同一炉钢材的各条生产数据，获得每一炉钢材对应的生产数据；

针对每一炉钢材对应的生产数据，剔除工艺参数数据在预设波动范围外的各条生产数据和力学性能数据异常的各条生产数据；并对剔除后剩余的生产数据中的成分含量数据、工艺参数数据和力学性能数据分别求平均值，获得该炉钢材对应的一条第一典型数据。

3.根据权利要求1所述的钢材性能预测模型的训练方法，其特征在于，所述根据各条第一典型数据中的工艺参数数据，将所有的第一典型数据中属于同一种工艺的各条第一典型数据归并为该种工艺对应的一条第二典型数据，包括：

根据各条第一典型数据中的工艺参数数据，按照预设聚类数目对所有的第一典型数据进行聚类，获得聚类后每种工艺对应的第一典型数据；

针对每种工艺对应的第一典型数据，剔除工艺参数数据在对应的预设极值范围外的各条第一典型数据和力学性能数据异常的各条第一典型数据；并对剔除后剩余的第一典型数据中的成分含量数据、工艺参数数据和力学性能数据分别求平均值，获得该种工艺对应的一条第二典型数据。

4.根据权利要求1所述的钢材性能预测模型的训练方法，其特征在于，所述根据各条第二典型数据中的力学性能数据，对全部或部分的第二典型数据进行复制，以得到训练样本集，包括：

根据各条第二典型数据中的每种力学性能数据的取值的分布信息，将所有的第二典型数据中的每种力学性能数据的取值划分为多个取值区间；

统计所有的第二典型数据中的每种力学性能数据在每个取值区间内出现的第一频数，以及所有的第二典型数据中的每种力学性能数据在各个取值区间内出现的最大的第二频数；

根据所述第二频数和对应的每个第一频数的比值，确定各个取值区间内的每种力学性能数据对应的第二典型数据的复制倍数；

按照所述复制倍数对各个取值区间内的每种力学性能数据对应的第二典型数据进行复制，以得到训练样本集。

5.根据权利要求4所述的钢材性能预测模型的训练方法，其特征在于，所述根据各条第二典型数据中的每种力学性能数据的取值的分布信息，将所有的第二典型数据中的每种力学性能数据的取值划分为多个取值区间，包括：

根据各条第二典型数据中的每种力学性能数据的取值的范围，基于多目标优化算法对预设多目标优化函数进行优化求解，确定使所述多目标优化函数最小的多个取值范围为对应的多个取值区间；所述预设多目标优化函数为根据每种力学性能数据对应的每个第一频数和第二频数之间的差构建的函数。