-
公开(公告)号：CN116682505A
公开(公告)日：2023-09-01
申请号：CN202310707256.5
申请日：2023-06-14
申请人： 东北大学
摘要： 本发明公开了一种基于分位数回归森林的HRB400E钢材力学性能预测方法，数据样本的选取；数据处理；数据划分：将实际数据集按照数据划分策略划分为训练集和测试集；构建分位数回归森林模型：利用分位数回归森林模型对训练数据进行计算，结合贝叶斯优化方法确定模型最优超参数组合，从而得到最终预测模型；HRB400E钢材力学性能预测：利用最终的预测模型对待预测数据进行计算，得到待预测HRB400E钢材的力学性能预测值。本发明采用上述步骤，通过在随机森林模型中引入分位数回归从而实现区间预测，并结合贝叶斯优化确定最优参数组合，得到最优预测模型，可以反向对生产工艺参数进行优化和指导，对提高产品质量起到了有利效果。
-
公开(公告)号：CN116825253B
公开(公告)日：2023-11-21
申请号：CN202310812958.X
申请日：2023-07-03
申请人： 东北大学
IPC分类号： G16C60/00 , G06F30/27 , G06F18/214 , G06F18/243 , G06F119/14 , G06F111/06 , G06F119/08 , G06F111/08
-
公开(公告)号：CN116779062A
公开(公告)日：2023-09-19
申请号：CN202310707270.5
申请日：2023-06-14
申请人： 东北大学
摘要： 本发明公开了基于MOEA/D智能优化算法的热轧带钢生产工艺动态优化方法，包括S1、建立工艺优化基础数据平台；S2、基于工艺优化基础数据平台建立预测模型；S3、根据实际生产工艺要求，设定力学性能预测模型输入参数的范围；S4、基于设定的热轧带钢工艺参数优化设计方案，建立多目标优化策略数学模型；S5、基于MOEA/D智能优化算法对多目标数学模型进行求解，得出合理的工艺参数计算值；S6、根据计算求解的工艺参数值，调整实际生产工艺设定值。本发明采用上述基于MOEA/D智能优化算法的热轧带钢生产工艺动态优化方法，根据实际性能需求，实现工艺参数的及时、精确和高效率优化，有助于提高热轧带钢生产工艺参数选择的科学性，提高热轧带钢力学性能的稳定性。
-
公开(公告)号：CN118314984A
公开(公告)日：2024-07-09
申请号：CN202410529223.0
申请日：2024-04-29
申请人： 东北大学
IPC分类号： G16C20/70 , G16C20/30 , G16C60/00 , G06V10/44 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于多模态数据卷积特征融合的C‑Mn钢力学性能预测方法，属于钢材性能预测技术领域，包括以下步骤：构建初始多模态数据集；构建实际多模态数据集；将实际多模态数据集划分为训练集及测试集；利用多模态数据卷积特征融合的卷积神经网络模型对训练数据进行计算，优化模型参数，得到待预测的C‑Mn钢材力学性能预测模型并对测试数据进行计算，并对模型的泛化性能进行评估，得到待应用的基于多模态数据卷积特征融合的C‑Mn钢力学性能预测模型。本发明采用上述的一种基于多模态数据卷积特征融合的C‑Mn钢力学性能预测方法，通过不同维度的卷积神经网络模型有效的将成分工艺与显微组织图像数据信息进行耦合，提高了C‑Mn钢材力学性能的预测精度。
-
公开(公告)号：CN116822367A
公开(公告)日：2023-09-29
申请号：CN202310812967.9
申请日：2023-07-03
申请人： 东北大学
IPC分类号： G06F30/27 , G06N3/0442 , G06F18/214 , G06F119/14 , G06F119/08
摘要： 本发明公开了一种基于LSTM模型的IF钢力学性能预测方法，S1、选取样本；S2、补充空缺数据；S3、异常值剔除：使用格拉布斯准则对S2中得到的数据集中力学性能异常IF钢钢卷对应的参数数据剔除，得到数据集；S4、训练LSTM模型：将S3中得到的数据集按比例划分为训练数据和预测数据，将关键参数作为输入变量，将力学性能作为输出变量，将输入变量和输出变量用于训练LSTM模型，得到LSTM预测模型。本发明采用上述步骤，LSTM预测模型中既包含IF钢成分对IF钢性能的影响，也包含热轧和冷轧工艺参数对IF钢性能的影响，有助于LSTM模型实现高精度的力学性能预测，优化工艺参数。
-
-
公开(公告)号：CN116825253A
公开(公告)日：2023-09-29
申请号：CN202310812958.X
申请日：2023-07-03
申请人： 东北大学
IPC分类号： G16C60/00 , G06F30/27 , G06F18/214 , G06F18/243 , G06F119/14 , G06F111/06 , G06F119/08 , G06F111/08
摘要： 本发明公开了基于特征选择的热轧带钢力学性能预测模型的建立方法，包括以下步骤：S1、数据样本的采集；S2、非线性相关性分析；S3、数据清洗；S4、特征选择；S5、XGBoost力学性能预测模型的建立和模型参数优化；S6、XGBoost模型可解释性分析。本发明采用上述基于特征选择的热轧带钢力学性能预测模型的建立方法，提出一种新的特征选择方法GAMIC，通过嵌入MIC相关分析方法消除特征数据集中的低相关性特征，降低了模型输入参数的维度，提高了模型预测精度、减少模型预测所需要的时间。
-
公开(公告)号：CN115719623A
公开(公告)日：2023-02-28
申请号：CN202211466765.5
申请日：2022-11-22
申请人： 东北大学
摘要： 本发明公开了一种实现热轧过程再结晶组织演变可视化的方法，该技术属于轧钢领域。该方法基于轧制过程再结晶分数与晶粒尺寸预测模型，从生产现场服务器读取轧制生产工艺参数，计算轧制过程各道次软化分数与晶粒尺寸随时间变化曲线，并利用Vonoroi图对轧制过程显微组织演变过程进行实时预测，实现轧制过程组织演变的数字解析。该技术可以指导热轧生产工艺参数的制定，通过制定合理的工艺参数，优化轧制过程最终的晶粒尺寸与晶粒的压缩比，为热轧钢材显微组织控制提供依据。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.02 秒)
