13、基于粗糙集与模糊集理论挖掘银纹缺陷成因及材料科学中的机器学习应用

基于粗糙集与模糊集理论挖掘银纹缺陷成因及材料科学中的机器学习应用

引言

在钢铁生产中，银纹缺陷是影响冷热轧钢板质量的关键问题。为了找出银纹缺陷形成的原因，研究人员运用了粗糙集理论（RST）和模糊集理论这两种先进的计算智能工具。同时，在材料科学研究的各个阶段，机器学习方法也有着广泛的应用前景，尤其在工业4.0时代，数据科学和机器学习对于生产过程的控制和决策支持变得愈发重要。

粗糙集与模糊集理论在银纹缺陷研究中的应用

模糊规则与推理系统

模糊规则通常以 “If (input1 is membership function1) and/or (input2 is membership function2) and … then (output is output membership function)” 的形式呈现。在银纹缺陷研究中，连接输入与输出的有四个隶属函数，分别为低、中、高和非常高。通过规则前件中的合取运算符（AND）计算规则触发强度，前件描述规则的适用程度，结论为输出变量分配模糊函数。将规则强度与输出隶属函数结合，可得到输出分布。

最后，需要通过去模糊化过程从模糊推理系统（FIS）中得出一个清晰的输出值。这里采用质心法进行去模糊化，即通过计算模糊值隶属函数重心的变量值来得到输出变量的清晰值，它给出了曲线下面积的中心。

FIS预测

利用粗糙集分析得出的规则和开发的隶属函数，创建了用于预测银纹严重程度的模糊推理系统（FIS）。选择了十个重要属性作为输入参数，缺陷严重程度作为输出。针对三组规则，开发了三个独立的FIS。

通过FIS生成的表面图显示，除了与表面氧化物形成相