[发明专利]一种基于EEMD和深度卷积网络的热轧钢性能预测方法有效
| 申请号： | 201910768954.X | 申请日： | 2019-08-20 |
| 公开（公告）号： | CN110472349B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 王文波;狄奇;辜权;李维刚;喻敏;陈贵词;钱龙 | 申请（专利权）人： | 武汉科技大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06N3/0464;G06F119/14 |
| 代理公司： | 北京金智普华知识产权代理有限公司 11401 | 代理人： | 杨采良 |
| 地址： | 430081 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于钢材性能预测技术领域，公开了一种基于EEMD和深度卷积网络的热轧钢性能预测方法，对数据进行预处理；在集合经验模态分解的基础上对热轧钢的性能进行初步预测；使用深度卷积网络和正态分布预测深度卷积网络预测后的残差；最后将集合经验模态分解和深度卷积网络结合，实现热轧钢性能的高度预测。热轧钢性能预测卷积结构包括一个输入层、两个卷积层、两个池化层、一个全连接层、一个输出层。本发明通过工艺参数和各种化学元素来研究热轧钢的性能，预测方法精度高、可靠性强、泛化性强、充分揭示了成分、工艺对热轧带钢力学性能的作用机理。 | ||
| 搜索关键词： | 一种 基于 eemd 深度 卷积 网络 轧钢 性能 预测 方法 | ||
【主权项】：
1.一种基于EEMD和深度卷积网络的热轧钢性能预测方法，其特征在于，所述基于EEMD和深度卷积网络的热轧钢性能预测方法包括以下步骤：/n步骤一，基于集合经验模态分解的方式对热轧钢性能数据进行预处理；/n步骤二，将每组对应的影响因素和内蕴模态函数作为x和y投入构建完成的卷积神经网络训练并预测每一个分量y；得到每一个分量y的预测值{y'i|i＝1,2,...,12}；/n步骤三，将每一个分量的实际值与预测值相减得到实验误差；/n步骤四，对得到的实验误差，使用单变量正态分布的方式对实验误差进行拟合并预测，并得到实验误差的预测值；/n步骤五，最后将卷积神经网络的热轧钢性能预测值和正态分布预测的实验误差预测值相加得到最终的热轧钢性能预测值。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉科技大学，未经武汉科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910768954.X/，转载请声明来源钻瓜专利网。
