-
公开(公告)号:CN118314234A
公开(公告)日:2024-07-09
申请号:CN202410529215.6
申请日:2024-04-29
申请人: 东北大学
IPC分类号: G06T11/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06V10/44 , G06V10/77 , G06N5/01 , G06N20/20 , G06N3/08
摘要: 本发明公开了一种改进自编码器网络的C‑Mn钢显微组织图像生成方法,属于钢铁显微组织图像预测技术领域,包括获取C‑Mn数据集;对C‑Mn数据集进行预处理及扩充;对自编码器进行改进;构建编码器与解码器网络模型;应用编码器模型进行特征提取;构建PCA模型;构建XGBoost模型;将自设定的成分工艺数据依次输入到训练完毕的XGBoost模型、PCA模型及解码器模型中,得到预测的显微组织预测图像。本发明通过在传统的自编码器结构中引入稠密卷积块构成DCB‑AE网络,通过基于DCB‑AE网络的数据降维与升维方法解决了传统AE网络对于大尺度图像拟合的问题,此外,结合机器学习模型提高了显微组织图像生成模型的泛化能力。
-
-
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:CN112417639A
公开(公告)日:2021-02-26
申请号:CN202010966429.1
申请日:2020-09-15
申请人: 东北大学
IPC分类号: G06F30/20 , C22F1/16 , G06F119/08
摘要: 本发明提供一种热轧低碳钢氧化铁皮结构演变数字解析方法,涉及轧钢技术领域。相比于传统基于深度学习的显微组织识别方法,本方法基于热轧低碳钢氧化铁皮结构演变预测模型,从生产现场服务器读取轧制生产工艺参数,计算轧制后冷却过程中钢卷温度随时间变化曲线,对氧化铁皮结构演变过程进行实时预测,实现氧化铁皮结构转变过程的数字解析。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,优化氧化铁皮中FeO,Fe3O4和共析组织(Fe+Fe3O4)各相比例,为热轧带钢氧化铁皮结构控制提供依据。
-
公开(公告)号:CN112085727A
公开(公告)日:2020-12-15
申请号:CN202010978690.3
申请日:2020-09-17
申请人: 东北大学
摘要: 本发明提供一种热轧钢材表面氧化铁皮结构智能识别方法,涉及轧钢技术领域。本发明通过制作氧化皮检测的试样,并利用金相检测设备得到热轧钢材表面氧化铁皮照片数据,经过预处理后,建立起氧化皮图像样本集。制作语义标签,结合建氧化皮结构图像语义分析的神经网络模型,对神经网络模型进行训练,最终实现用户输入氧化铁皮组织图片,自动获取图片中各组织的比例、分布区域、以及其形态分类说明。
-
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:CN112100745B
公开(公告)日:2023-10-13
申请号:CN202010966431.9
申请日:2020-09-15
申请人: 东北大学
IPC分类号: G16C60/00 , G16C20/70 , G16C20/20 , G06F30/15 , G06F30/17 , G06F30/27 , G06F18/2132 , G06F18/2411 , G06F18/27 , G06F18/10 , G06F18/23 , G06N20/10 , G06F113/26 , G06F119/14 , G06F113/28
摘要: 本发明提供一种基于LDA理论的汽车大梁钢力学性能预测方法,涉及汽车大梁钢轧制生产技术领域。本发明提供了一种钢材的力学性能(屈服强度、抗拉强度、延伸率)预测模型建立方法。热轧高强钢的生产过程中会产生大量的历史生产数据,并根据历史生产数据构建模型训练数据样本集;训练数据样本集包括携带特征属性(工艺、成分参数)及所对应的力学性能参数;利用训练数据样本集建立力学性能预测模型,最后将预测数据样本集的特征属性参数(工艺、成分参数)输入力学性能预测模型得到预测数据样本的力学性能。
-
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:CN111861041B
公开(公告)日:2023-09-05
申请号:CN202010767229.3
申请日:2020-08-03
申请人: 东北大学
IPC分类号: G06F30/28 , G06F30/27 , G06F30/20 , G06N3/084 , G06N3/126 , G06F119/14 , G06F113/08
摘要: 一种预测Nb微合金钢动态再结晶型流变应力的方法,属于钢铁研究和机器学习的交叉技术领域。该方法基于系列Nb微合金钢的动态再结晶型流变应力曲线及钢种信息的实验数据,采用遗传算法学习每条流变应力曲线对应数学模型中的参数,使用贝叶斯正则化的BP神经网络建立钢种信息与流变应力曲线特征间的网络关系模型,之后结合流变应力曲线对应的数学模型,预测动态再结晶型流变应力。该方法所建立的模型能够高精度预测该系列钢在多种成分及工艺条件下的流变应力曲线,明显减少单道次压缩实验的工作量,提高动态再结晶型流变应力曲线的预测效率和精度。
-
公开(公告)号:CN111933221B
公开(公告)日:2023-07-04
申请号:CN202010766776.X
申请日:2020-08-03
申请人: 东北大学
摘要: 本发明的一种预测Nb微合金钢动态再结晶分数的方法,属于钢铁研究和机器学习的交叉技术领域;该方法以现有C‑Mn‑Nb微合金钢动态再结晶型流变应力的实验数据构建Nb微合金钢动态再结晶行为的数据集,使用基于贝叶斯正则化的BP神经网络建立化学成分、工艺参数与流变应力曲线特征间的模型,通过动态再结晶分数数学模型,实现高精度预测动态再结晶分数,明显减少单道次压缩实验及淬火实验的工作量,提高预测动态再结晶分数的效率。
-
-
-
-
-
-
-
-
-