(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110335133.4 (22)申请日 2021.03.29 (71)申请人 宝山钢铁股份有限公司 地址 201900 上海市宝山区富锦路8 85号 (72)发明人 吕立华　邓龙　陈虎秋　许晓赟　 肖畅　许娜　王墨南　 (74)专利代理 机构 上海科琪专利代理有限责任 公司 31117 专利代理师 张珉　郑明辉 (51)Int.Cl. G16C 60/00(2019.01) G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 119/08(2020.01) (54)发明名称 弹簧钢脱碳分析 预测方法 (57)摘要 本发明涉及一种弹簧钢脱碳分析预测方法， 依次包括如下步骤： 建立分析预测系统； 收集弹 簧钢的生产过程数据、 生产计划数据和脱碳质量 数据； 先对收集得到数据进行预处理和存储， 并 定义脱碳标签； 根据当前生产的钢种和规格， 采 用XGBoost算法依次定义目标函数、 求解目标函 数最小值并由预设阈值筛选得到关键影 响因子； 采用Pearson相关系数算法得到关键影响 因子和 脱碳标签的线性相关性； 采用SVM算法建立目标 函数， 再将关键影 响因子和脱碳标签作为样本集 并进行归一化处理， 然后采用拉格朗日乘子法求 解目标函数最大值得到最优分类函数， 对目标函 数进行迭代训练后得到最新的最优分类函数并 作为脱碳预测模 型； 根据脱碳预测模 型对处于预 设激励位置的弹簧钢进行计算。 权利要求书2页 说明书10页 附图4页 CN 115132298 A 2022.09.30 CN 115132298 A 1.一种弹簧钢 脱碳分析预测方法， 所述弹簧钢 采用高速线材生产工艺； 其特征在于： 所 述分析预测方法包括如下步骤： 步骤一， 建立分析预测系统， 所述系统包括数据采集模块、 数据处理模块、 模型计算模 块和画面展示模块； 步骤二， 数据采集模块收集得到弹簧钢的生产过程数据、 生产计划数据和脱碳质量数 据； 步骤三， 数据处理模块先对步骤二得到的数据进行预处理和存储， 并根据脱碳质量数 据定义脱碳标签， 再将处 理结果提供给模型计算模块并保存 模型计算模块的计算结果； 步骤四， 根据当前生产的钢种和规格， 模型计算模块采用XGBoost算法依次定义目标函 数、 求解目标函数最小值并由预设阈值筛 选得到关键影响因子； 步骤五， 模型计算模块采用Pearson相 关系数算法得到关键影响因子和脱碳标签的线 性相关性， 并采用Hist统计函数 得到关键影响因子的直方图； 步骤六， 模型计算模块采用SVM算法建立目标函数， 再将关键影响因子和脱碳标签作为 样本集并进行归一化处理， 然后采用拉格朗日乘子法求解目标函数最大值得到最优分类函 数， 对目标函数进行迭代训练后得到最 新的最优分类函数并将其作为脱碳预测模型； 步骤七， 模型计算模块根据脱碳预测模型对处于预设激励位置的弹簧钢 进行脱碳预测 计算， 计算得到的脱碳预测数据由画面展示模块显示。 2.根据权利要求1所述的弹簧钢脱碳分析预测方法， 其特征在于： 所述步骤二中， 所述 生产过程数据由过程控制系统采集得到， 所述生产计划数据和脱碳质量数据由生产管理系 统采集得到 。 3.根据权利要求1所述的弹簧钢脱碳分析预测方法， 其特征在于： 所述步骤三中， 脱碳 质量数据包括脱碳深度， 根据脱碳深度定义脱碳标签。 4.根据权利要求1所述的弹簧钢脱碳分析预测方法， 其特征在于： 所述步骤三中， 预处 理包括对数据的勾连、 异常值进行处 理。 5.根据权利要求1所述的弹簧钢脱碳分析预测方法， 其特征在于： 所述步骤四中， 目标 变量定义如下： 式中， y′i为目标变量的预测值， xi为生产过程数据中不同工艺区间的多个特征组成的 训练数据， K为决策树的数量， fk是决策树空间F中的一个决策树； 目标函数如下： 式中， 第一项l为一个可微凸损失函数， 用于度量目标变量的预测值y ′i和实际值yi的差 值， n为输入样本数量； 第二项Ω用于惩罚目标函数模型的复杂度， 其表达式如下： 权　利　要　求　书 1/2 页 2 CN 115132298 A 2式中， T为决策树fk叶子节点的数量， ω为叶子节点的权重， γ和 λ分别为叶子节点数量 和权重的惩罚系数。 6.根据权利要求1所述的弹簧钢脱碳分析预测方法， 其特征在于： 所述步骤五中， 所述 关键影响因子和脱碳标签的相关系数定义如下： 式中， ρxy为x和y的Pearson相关系数， x为关键影响因子， y为脱碳标签， cov(x,y)为x和y 的协方差， σx和σy分别为x和y的标准差 。 7.根据权利要求1所述的弹簧钢脱碳分析预测方法， 其特征在于： 所述步骤六中， 目标 函数和约束条件如下： 式中， n为输入样本数量， αi为拉格朗日乘子， yi和yj为脱碳标签， xi和xj为关键影响因 子， K(xi,xj)为核函数， C为 正则化参数； 所述K(xi,xj)为高斯核函数， 表达式如下： K(xi,xj)＝exp(‑γ‖xi‑xj‖2) 式中， γ为输入样本特 征数量的倒数； 采用拉格朗日乘子法求 解所述目标函数最大值得到最优分类函数如下： 式中， 为求解得到的最优拉格朗日乘子， 为最优超平面的权重向 量， b*为最优超平面偏移。 8.根据权利要求1所述的弹簧钢脱碳分析预测方法， 其特征在于： 所述步骤七中， 数据 处理模块收集得到弹簧钢的实时位置， 如弹簧钢抵达预设激励位置， 将弹簧钢所处位置和 所述位置之前工艺区间的生产过程数据、 弹簧钢从所 处位置到风冷区出口的工艺目标值组 成输入样本， 由模型计算模块基于所述输入样本通过脱碳预测模型计算得到脱碳预测数 据。 9.根据权利要求1或8所述的弹簧钢 脱碳分析预测方法， 其特征在于： 所述步骤七中， 激 励位置包括加热区段末、 加热区出口、 轧制区出口、 风冷区出口。 10.根据权利要求1或8所述的弹簧钢脱碳分析预测方法， 其特征在于： 所述步骤七中， 脱碳预测数据包括关键影响因子的重要性排序、 相关性、 直方图、 特征实绩值以及弹簧钢在 不同工艺区间的脱碳预测数据。权　利　要　求　书 2/2 页 3 CN 115132298 A 3