买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供一种基于多目标进化学习的冷轧材料质量性能区间预报方法，涉及冷轧材料质量性能预报技术领域。该方法首先在冷轧材料生产过程中收集化学成分、工艺参数以及对应的质量性能数据，得到原始样本数据集，对样本数据进行预处理并划分训练集和测试集；接着，采用多目标差分进化算法获取构建质量性能预报模型所需的超参数集合，基于偏好膝解在帕累托前沿中选取最优的一组超参数组合作为构建高斯回归模型的参数组合；最后基于高斯过程回归模型框架以及选取的核函数构建最终冷轧材料质量性能区间预报模型。该方法使所获得的多目标进化学习模型具有较高的预测准确率和较低的时间复杂度。

主权项：1.一种基于多目标进化学习的冷轧材料质量性能区间预报方法，其特征在于：包括以下步骤：步骤1：在冷轧材料生产过程中收集化学成分、工艺参数以及对应的质量性能数据，得到原始样本数据集；步骤2：对原始样本数据集进行预处理，并划分训练集和测试集；步骤3：确定高斯过程回归模型的核函数；步骤4：采用多目标差分进化算法获取构建冷轧材料质量性能预报模型所需的超参数集合；步骤4.1：设定深度主成分分析技术特征提取的目标维度和高斯过程核函数的超参数的上下限；步骤4.2：根据预设的种群大小，得到用于进行多目标差分进化算法剪枝的初始种群，所述初始种群为多目标差分进化算法中需要设置的超参数；步骤4.3：根据初始种群个体信息对训练数据集中冷轧生产特征数据进行特征提取以及高斯过程回归，并记录在测试数据集上对应屈服强度、抗拉强度和延伸率预测的平均绝对误差；步骤4.4：采用多目标差分进化优化算法进行进化操作，操作过程依次为差分变异、交叉和选择保留个体；步骤4.5：若当前进化代数小于预设进化代数，则返回步骤4.4，否则，返回最终种群；步骤5：对最终种群进行非支配排序，得到其帕累托前沿，进而在前沿中选择偏好膝解；步骤6：根据最终种群中偏好膝解的个体信息对训练数据集中冷轧生产特征数据进行特征提取以及高斯过程回归，得到最终冷轧材料质量性能区间预报模型；步骤6.1：使用深度主成分分析技术对训练数据集中冷轧材料化学成分和冷轧过程工艺参数进行特征提取；所述深度主成分分析技术的第一层和第二层的结构是完全相同的，每一层均是首先对该层输入数据进行零相位主成分分析白化处理，然后利用主成分分析进行特征提取；主成分分析提取特征的目标维度通过多目标差分进化优化算法得出；步骤6.2：使用高斯过程回归模型预测冷轧材料屈服强度、抗拉强度以及延伸率的性能并给出预测误差带。

全文数据：

权利要求：

百度查询： 东北大学 基于多目标进化学习的冷轧材料质量性能区间预报方法