谢少捷，王 伟,2，何福善

(1.福州大学机械工程及自动化学院，福州 350100；2.福建省高端装备制造协同创新中心，福州 350100)

0 引 言

热镀锌钢卷应用广泛，随着经济的发展，用户对热镀锌钢卷力学性能的要求越来越高[1]。热镀锌钢卷生产工艺复杂，涵盖炼钢、热轧、冷轧、退火和平整等多道工序，影响钢卷力学性能的工艺参数很多，因此力学性能控制是热镀锌钢卷生产中的重要问题之一[2]。热镀锌钢卷力学性能预测是力学性能控制的基础。力学性能预测模型依赖高质量的输入特征数据，但是热镀锌工业生产环境复杂，从传感器采集到的工艺参数不可避免地会受到噪声等因素干扰，同时工艺参数众多导致过多的建模特征，影响模型的准确性和预测效率，带来维数灾难问题[3-5]。因此，特征筛选是热镀锌钢卷力学性能机器学习建模的一个重要步骤[6-7]，即在建模前将对力学性能影响较大的特征筛选出来。姚林等[8]结合实际生产工艺和已有的工艺参数收集手段，对模型的输入量和输出量进行仔细筛选，基于偏最小二乘回归模型建立带钢热镀锌质量控制模型。贺俊光等[9]根据冶金学以及对生产数据的相关分析结果，确定力学性能的主要影响因素，利用反向传播(BP)神经网络算法建立了各种工艺参数对热镀锌板力学性能影响的数学模型。上述特征筛选方法均是通过专家经验和冶金机理进行的，可能会忽略从冶金机理角度而言对力学性能影响尚不明确但实际上影响较大的特征。……