本發(fā)明涉及鋼材力學性能預(yù)測，尤其涉及一種鋼材力學性能預(yù)測方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、在鋼材生產(chǎn)出來后，往往是通過抽檢的方式來進行所生產(chǎn)的鋼材的力學性能檢測，由于檢測過程較為繁瑣、成本也較高，在保證所生產(chǎn)的產(chǎn)品質(zhì)量的前提下，往往需要加大抽檢的密度來進一步掌握所生產(chǎn)的鋼材的力學性能，這極大地增加了成本。另一方面，由于檢測也需要一定的時間，一旦出現(xiàn)鋼材的力學性能不達標的問題，反饋生產(chǎn)線的時間具有滯后性，導致企業(yè)出現(xiàn)較大的損失。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種鋼材力學性能預(yù)測方法、裝置、電子設(shè)備及存儲介質(zhì)，以解決相關(guān)技術(shù)中需要實際對生產(chǎn)的鋼材進行檢測來得到力學性能，時間長、成本高、結(jié)果具有滯后性，可能會導致企業(yè)出現(xiàn)較大的損失的技術(shù)問題。

2、本發(fā)明提供的一種鋼材力學性能預(yù)測方法，所述鋼材力學性能預(yù)測方法包括：獲取待預(yù)測鋼材的待預(yù)測特征數(shù)據(jù)，所述待預(yù)測特征數(shù)據(jù)包括所述待預(yù)測鋼材在生產(chǎn)過程中的鋼水成分和軋制過程參數(shù)；將所述待預(yù)測特征數(shù)據(jù)輸入至預(yù)先訓練好的第一預(yù)測模型中得到第一預(yù)測結(jié)果，以及將所述待預(yù)測特征數(shù)據(jù)輸入至預(yù)先訓練好的第二預(yù)測模型中，得到第二預(yù)測結(jié)果，其中，所述第一預(yù)測模型與所述第二預(yù)測模型的模型類型不同，所述第一預(yù)測模型和所述第二預(yù)測模型通過樣本訓練數(shù)據(jù)集訓練得到，所述樣本訓練數(shù)據(jù)集中的樣本訓練數(shù)據(jù)包括訓練樣本特征數(shù)據(jù)和訓練樣本力學性能標簽，所述訓練樣本特征數(shù)據(jù)包括樣本鋼材在生產(chǎn)過程中的鋼水成分和軋制過程參數(shù)；基于所述第一預(yù)測結(jié)果和所述第二預(yù)測結(jié)果確定所述待預(yù)測鋼材的預(yù)測力學性能結(jié)果。

3、于本發(fā)明一實施例中，將所述待預(yù)測特征數(shù)據(jù)輸入至預(yù)先訓練好的第一預(yù)測模型中得到第一預(yù)測結(jié)果，以及將所述待預(yù)測特征數(shù)據(jù)輸入至預(yù)先訓練好的第二預(yù)測模型中，得到第二預(yù)測結(jié)果之前，所述方法包括：獲取第一樣本數(shù)據(jù)子集，所述第一樣本數(shù)據(jù)子集中的第一樣本數(shù)據(jù)包括第一樣本鋼材的第一樣本特征數(shù)據(jù)以及所述第一樣本鋼材的真實力學性能標簽，所述第一樣本特征數(shù)據(jù)包括所述第一樣本鋼材在生產(chǎn)過程中的鋼水成分和軋制過程參數(shù)；若所述第一樣本數(shù)據(jù)子集中的第一樣本數(shù)據(jù)的數(shù)量少于預(yù)設(shè)真實樣本數(shù)量閾值，獲取第二樣本數(shù)據(jù)子集，所述第二樣本數(shù)據(jù)子集中的第二樣本數(shù)據(jù)包括第二樣本特征數(shù)據(jù)，所述第二樣本特征數(shù)據(jù)包括第二樣本鋼材在生產(chǎn)過程中的鋼水成分和軋制過程參數(shù)；通過所述第一樣本數(shù)據(jù)子集分別對所述第一初始模型、第二初始模型進行第一次訓練，得到第一次訓練后的第一初始模型和第一次訓練后的第二初始模型；將所述第二樣本數(shù)據(jù)子集中至少部分第二樣本特征數(shù)據(jù)分別輸入至所述第一次訓練后的第一初始模型和第一次訓練后的第二初始模型，得到所述第一次訓練后的第一初始模型輸出的第一預(yù)測力學性能標簽，以及所述第一次訓練后的第二初始模型輸出的第二預(yù)測力學性能標簽；確定每一第一預(yù)測力學性能標簽的第一預(yù)測效用值，以及確定每一第二預(yù)測力學性能標簽的第二預(yù)測效用值；將第一預(yù)測效用值大于預(yù)設(shè)效用閾值的第一預(yù)測力學性能標簽確定為第一樣本力學性能偽標簽，基于所述第一樣本力學性能偽標簽和所述第一樣本力學性能偽標簽對應(yīng)的第二樣本特征數(shù)據(jù)生成第一偽樣本訓練子數(shù)據(jù)集，基于所述第一偽樣本訓練子數(shù)據(jù)集和所述第一樣本數(shù)據(jù)子集生成用于訓練所述第一預(yù)測模型的第一樣本訓練數(shù)據(jù)子集；將第二預(yù)測效用值大于預(yù)設(shè)效用閾值的第二預(yù)測力學性能標簽確定為第二樣本力學性能偽標簽，基于所述第二樣本力學性能偽標簽和所述第二樣本力學性能偽標簽對應(yīng)的第二樣本特征數(shù)據(jù)生成第二偽樣本訓練子數(shù)據(jù)集，基于所述第二偽樣本訓練子數(shù)據(jù)集和所述第一樣本數(shù)據(jù)子集生成用于訓練所述第二預(yù)測模型的第二樣本訓練數(shù)據(jù)子集；基于所述第一樣本訓練數(shù)據(jù)子集和所述第二樣本訓練數(shù)據(jù)子集生成所述樣本訓練數(shù)據(jù)集。

4、于本發(fā)明一實施例中，將所述第二樣本數(shù)據(jù)子集中至少部分第二樣本特征數(shù)據(jù)分別輸入至所述訓練后的第一初始模型和訓練后的第二初始模型，包括：從所述第二樣本數(shù)據(jù)子集中選擇預(yù)設(shè)數(shù)量的第二樣本特征數(shù)據(jù)，將選擇的所述第二樣本特征數(shù)據(jù)分別輸入至所述訓練后的第一初始模型和訓練后的第二初始模型；若所述第一樣本力學性能偽標簽的數(shù)量小于預(yù)設(shè)偽樣本數(shù)量閾值，以及所述第二樣本力學性能偽標簽的數(shù)量小于預(yù)設(shè)偽樣本數(shù)量閾值，重新從所述第二樣本數(shù)據(jù)子集中選擇預(yù)設(shè)數(shù)量的第二樣本特征數(shù)據(jù)，將選擇的所述第二樣本特征數(shù)據(jù)分別輸入至所述訓練后的第一初始模型和訓練后的第二初始模型，直到重新選擇的第二樣本特征數(shù)據(jù)的次數(shù)大于預(yù)設(shè)次數(shù)閾值，或所述第一樣本力學性能偽標簽的數(shù)量大于或等于預(yù)設(shè)偽樣本數(shù)量閾值，或所述第二樣本力學性能偽標簽的數(shù)量大于或等于預(yù)設(shè)偽樣本數(shù)量閾值；若所述第一樣本力學性能偽標簽的數(shù)量小于預(yù)設(shè)偽樣本數(shù)量閾值，以及所述第二樣本力學性能偽標簽的數(shù)量大于或等于預(yù)設(shè)偽樣本數(shù)量閾值，重新從所述第二樣本數(shù)據(jù)子集中選擇預(yù)設(shè)數(shù)量的第二樣本特征數(shù)據(jù)，將選擇的所述第二樣本特征數(shù)據(jù)輸入至所述訓練后的第一初始模型，直到重新選擇的第二樣本特征數(shù)據(jù)的次數(shù)大于預(yù)設(shè)次數(shù)閾值，或所述第一樣本力學性能偽標簽的數(shù)量大于或等于預(yù)設(shè)偽樣本數(shù)量閾值；若所述第二樣本力學性能偽標簽的數(shù)量小于預(yù)設(shè)偽樣本數(shù)量閾值，以及所述第一樣本力學性能偽標簽的數(shù)量大于或等于預(yù)設(shè)偽樣本數(shù)量閾值，重新從所述第二樣本數(shù)據(jù)子集中選擇預(yù)設(shè)數(shù)量的第二樣本特征數(shù)據(jù)，將選擇的所述第二樣本特征數(shù)據(jù)輸入至所述訓練后的第二初始模型，直到重新選擇的第二樣本特征數(shù)據(jù)的次數(shù)大于預(yù)設(shè)次數(shù)閾值，或所述第二樣本力學性能偽標簽的數(shù)量大于或等于預(yù)設(shè)偽樣本數(shù)量閾值。

5、于本發(fā)明一實施例中，確定每一第一預(yù)測力學性能標簽的第一預(yù)測效用值，以及確定每一第二預(yù)測力學性能標簽的第二預(yù)測效用值，包括：將全部的第一預(yù)測力學性能標簽以及全部的所述第一預(yù)測力學性能標簽對應(yīng)的第二樣本特征數(shù)據(jù)添加到所述第一樣本數(shù)據(jù)子集中，得到第一樣本擴充數(shù)據(jù)集，通過所述第一樣本擴充數(shù)據(jù)集對第一次訓練后的第二初始模型進行第二次訓練，得到第二次訓練后的第二初始模型；在所述第一樣本數(shù)據(jù)子集的全部第一樣本特征數(shù)據(jù)中確定所述第一預(yù)測力學性能標簽對應(yīng)的第二樣本特征數(shù)據(jù)的第一k－近鄰樣本特征數(shù)據(jù)，將所述第一k-近鄰樣本特征數(shù)據(jù)分別輸入至第一次訓練后的第二初始模型和第二次訓練后的第二初始模型，得到第一樣本預(yù)測性標簽和第二樣本預(yù)測性標簽；基于所述第一樣本預(yù)測性標簽和第二樣本預(yù)測性標簽分別與所述第一k-近鄰樣本特征數(shù)據(jù)在所述第一樣本數(shù)據(jù)子集中對應(yīng)的真實力學性能標簽之間的標簽差異程度確定所述第一預(yù)測效用值；將全部的第二預(yù)測力學性能標簽以及全部的所述第二預(yù)測力學性能標簽對應(yīng)的第二樣本特征數(shù)據(jù)添加到所述第一樣本數(shù)據(jù)子集中，得到第二樣本擴充數(shù)據(jù)集，通過所述第二樣本擴充數(shù)據(jù)集對第一次訓練后的第一初始模型進行第二次訓練，得到第二次訓練后的第一初始模型；在所述第一樣本數(shù)據(jù)子集的全部第一樣本特征數(shù)據(jù)中確定所述第二預(yù)測力學性能標簽對應(yīng)的第二樣本特征數(shù)據(jù)的第二k－近鄰樣本特征數(shù)據(jù)，將所述第二k－近鄰樣本特征數(shù)據(jù)分別輸入至第一次訓練后的第一初始模型和第二次訓練后的第一初始模型，得到第三樣本預(yù)測性標簽和第四樣本預(yù)測性標簽；基于所述第三樣本預(yù)測性標簽和第四樣本預(yù)測性標簽分別與所述第二k－近鄰樣本特征數(shù)據(jù)在所述第一樣本數(shù)據(jù)子集中對應(yīng)的真實力學性能標簽之間的標簽差異程度確定所述第二預(yù)測效用值。

6、于本發(fā)明一實施例中，確定每一第一預(yù)測力學性能標簽的第一預(yù)測效用值，以及確定每一第二預(yù)測力學性能標簽的第二預(yù)測效用值，包括：

7、

8、其中，utility1_i為第一預(yù)測力學性能標簽i的第一預(yù)測效用值，x1k為第一預(yù)測力學性能標簽i對應(yīng)的第二樣本特征數(shù)據(jù)在第一樣本數(shù)據(jù)子集的全部第一樣本特征數(shù)據(jù)中的第一k－近鄰樣本特征數(shù)據(jù)，n1為全部第一預(yù)測力學性能標簽對應(yīng)的第二樣本特征數(shù)據(jù)在第一樣本數(shù)據(jù)子集的全部第一樣本特征數(shù)據(jù)中的第一k-近鄰樣本特征數(shù)據(jù)的集合，y1k為第一k－近鄰樣本特征數(shù)據(jù)x1k在第一樣本數(shù)據(jù)子集中對應(yīng)的真實力學性能標簽，h1為第一次訓練后的第二初始模型，h1(x1k)為第一樣本預(yù)測性標簽，h’1為第二次訓練后的第二初始模型，h’1(x1k)為第二樣本預(yù)測性標簽；utility2_i為第二預(yù)測力學性能標簽i的第二預(yù)測效用值，x2k為第二預(yù)測力學性能標簽i對應(yīng)的第二樣本特征數(shù)據(jù)在第一樣本數(shù)據(jù)子集的全部第一樣本特征數(shù)據(jù)中的第二k－近鄰樣本特征數(shù)據(jù)，n2為全部第二預(yù)測力學性能標簽對應(yīng)的第二樣本特征數(shù)據(jù)在第一樣本數(shù)據(jù)子集的全部第一樣本特征數(shù)據(jù)中的第二k－近鄰樣本特征數(shù)據(jù)的集合，y2k為第二k－近鄰樣本特征數(shù)據(jù)x2k在第一樣本數(shù)據(jù)子集中對應(yīng)的真實力學性能標簽，h2為第一次訓練后的第一初始模型，h2(x2k)為第三樣本預(yù)測性標簽，h’2為第二次訓練后的第一初始模型，h’2(x2k)為第四樣本預(yù)測性標簽。

9、于本發(fā)明一實施例中，基于所述第一預(yù)測結(jié)果和所述第二預(yù)測結(jié)果確定所述待預(yù)測鋼材的預(yù)測力學性能結(jié)果，包括：獲取所述預(yù)先訓練好的第一預(yù)測模型的第一預(yù)設(shè)模型系數(shù)，以及所述預(yù)先訓練好的第二預(yù)測模型的第二預(yù)設(shè)模型系數(shù)；根據(jù)所述第一預(yù)設(shè)模型系數(shù)和所述第二預(yù)設(shè)模型系數(shù)分別對所述第一預(yù)測結(jié)果和所述第二預(yù)測結(jié)果進行加權(quán)平均處理，得到所述待預(yù)測鋼材的預(yù)測力學性能結(jié)果。

10、于本發(fā)明一實施例中，獲取所述預(yù)先訓練好的第一預(yù)測模型的第一預(yù)設(shè)模型系數(shù)，以及所述預(yù)先訓練好的第二預(yù)測模型的第二預(yù)設(shè)模型系數(shù)之前，所述方法還包括：獲取第三樣本數(shù)據(jù)子集，所述第三樣本數(shù)據(jù)子集中的第三樣本數(shù)據(jù)包括第三樣本鋼材的第三樣本特征數(shù)據(jù)以及所述第三樣本鋼材的真實力學性能標簽，所述第三樣本特征數(shù)據(jù)包括所述第三樣本鋼材在生產(chǎn)過程中的鋼水成分和軋制過程參數(shù)；將所述第三樣本數(shù)據(jù)子集中的第三樣本特征數(shù)據(jù)分別輸入至預(yù)先訓練好的第一預(yù)測模型、預(yù)先訓練好的第二預(yù)測模型，得到所述預(yù)先訓練好的第一預(yù)測模型輸出的第三預(yù)測結(jié)果，所述預(yù)先訓練好的第二預(yù)測模型輸出的第四預(yù)測結(jié)果；通過所述第三預(yù)測結(jié)果和所述第四預(yù)測結(jié)果與對應(yīng)的第三樣本鋼材的真實力學性能標簽的匹配結(jié)果確定預(yù)先訓練好的第一預(yù)測模型的第一準確率，以及確定預(yù)先訓練好的第二預(yù)測模型的第二準確率；將所述第一準確率確定為所述第一預(yù)設(shè)模型系數(shù)，以及將所述第二準確率確定為所述第二預(yù)設(shè)模型系數(shù)。

11、本發(fā)明還提供了一種鋼材力學性能預(yù)測裝置，所述鋼材力學性能預(yù)測裝置：獲取模塊，用于獲取待預(yù)測鋼材的待預(yù)測特征數(shù)據(jù)，所述待預(yù)測特征數(shù)據(jù)包括所述待預(yù)測鋼材在生產(chǎn)過程中的鋼水成分和軋制過程參數(shù)；預(yù)先訓練好的第一預(yù)測模型，用于將所述待預(yù)測特征數(shù)據(jù)輸入至預(yù)先訓練好的第一預(yù)測模型中得到第一預(yù)測結(jié)果；預(yù)先訓練好的第二預(yù)測模型，用于將所述待預(yù)測特征數(shù)據(jù)輸入至預(yù)先訓練好的第二預(yù)測模型中得到第二預(yù)測結(jié)果；結(jié)果確定模塊，用于基于所述第一預(yù)測結(jié)果和所述第二預(yù)測結(jié)果確定所述待預(yù)測鋼材的預(yù)測力學性能結(jié)果；其中，所述第一預(yù)測模型與所述第二預(yù)測模型的模型類型不同，所述第一預(yù)測模型和所述第二預(yù)測模型通過樣本訓練數(shù)據(jù)集訓練得到，所述樣本訓練數(shù)據(jù)集中的樣本訓練數(shù)據(jù)包括訓練樣本特征數(shù)據(jù)和訓練樣本力學性能標簽，所述訓練樣本特征數(shù)據(jù)包括樣本鋼材在生產(chǎn)過程中的鋼水成分和軋制過程參數(shù)。

12、本發(fā)明還提供了一種電子設(shè)備，包括處理器、存儲器和通信總線；所述通信總線用于將所述處理器和存儲器連接；所述處理器用于執(zhí)行所述存儲器中存儲的計算機程序，以實現(xiàn)如上述中任一項實施例提供的方法。

13、本發(fā)明還提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序用于使計算機執(zhí)行如上述任一項實施例提供的方法。

14、本發(fā)明的有益效果：本發(fā)明提出的一種鋼材力學性能預(yù)測方法、裝置、電子設(shè)備及存儲介質(zhì)，該方法通過獲取待預(yù)測鋼材在生產(chǎn)過程中的鋼水成分和軋制過程參數(shù)作為待預(yù)測特征數(shù)據(jù)，然后將該待預(yù)測特征數(shù)據(jù)輸入到預(yù)先訓練好的兩個模型類型不同的預(yù)測模型中，得到兩個預(yù)測結(jié)果，然后基于兩個預(yù)測結(jié)果綜合確定該待預(yù)測鋼材的預(yù)測力學性能結(jié)果，通過上述方式能夠基于生產(chǎn)過程中的相關(guān)數(shù)據(jù)對所生產(chǎn)的鋼材的力學性能進行預(yù)測評估，得到初步的結(jié)果，成本相對較低，速度更快，一旦發(fā)現(xiàn)力學性能不達標的鋼材能夠及時反饋生產(chǎn)線，以便及時調(diào)整，減少企業(yè)損失，通過對鋼材的力學性能進行準確預(yù)測可幫助鋼鐵企業(yè)降低檢化驗成本、提前預(yù)知批量性能質(zhì)量問題，對鋼鐵企業(yè)降低成本和降低質(zhì)量異議率有重要作用。