摘要
本发明公开了一种基于PSO‑MXGBoost的板坯表面裂纹预测方法及预测模型构建方法,属于表面缺陷预测技术领域。本发明基于冶金机理嵌入式MXGBoost算法,在传统XGBoost损失函数中植入凝固收缩率动态修正项,依据钢种成分计算的收缩率系数,调整样本权重,并通过热力学方程量化裂纹倾向的理论基准值,约束XGBoost的预测输出符合连铸凝固传热机理;同时,通过PSO算法优化MXGBoost模型的关键超参数,以得到最优裂纹预测模型。本发明可以有效提高板坯表面裂纹的预测精度,同时通过PSO算法自动调整MXGBoost模型的超参数,可以减少人工干预,提高了模型的训练效率和预测准确度,因而能够实现模型精度与冶金可行性的多目标协同优化。
技术关键词
板坯表面裂纹
预测模型构建方法
超参数
XGBoost模型
样本
连铸板坯
Sigmoid函数
冶金
可视化特征
K近邻法
节点
缺陷预测
正则化参数
算法
数据噪声
冗余特征
交互特征