公开(公告)号：CN117572914B

公开(公告)日：2024-04-16

申请号：CN202311541320.3

申请日：2023-11-17

申请人： 北京科技大学 ,  江苏金恒信息科技股份有限公司

发明人： 信自成 ,  刘青 ,  张江山 ,  李井先 ,  林文辉 ,  兰模 ,  张伟东 ,  徐吉 ,  朱庆祺

IPC分类号： G05D23/30

摘要： 本发明公开了一种基于可解释性机器学习的LF精炼钢水温度控制方法及装置，涉及钢铁冶金技术领域。包括：获取待控制的钢包炉LF精炼过程数据以及LF精炼目标钢水温度；根据LF精炼过程数据以及LF精炼目标钢水温度，得到LF精炼钢水温度预测模型；根据LF精炼钢水温度预测模型，计算得到钢水温度预测基础值、关键因素参数的SHAP值以及关键因素参数与SHAP值之间的关系趋势；根据钢水温度预测基础值以及关键因素参数的SHAP值，计算得到LF精炼钢水温度预测值，根据关系趋势以及LF精炼钢水温度预测值，得到LF精炼钢水温度控制结果。本发明能够有效协助现场操作人员及时精准的调整工艺参数，从而实现钢水温度的精确控制。

公开(公告)号：CN117309386A

公开(公告)日：2023-12-29

申请号：CN202311066708.2

申请日：2023-08-22

申请人： 江苏金恒信息科技股份有限公司

发明人： 杨波 ,  李福存 ,  王苏扬 ,  王雨澄 ,  卞雯雯 ,  林文辉 ,  杨爱玲 ,  马超

IPC分类号： G01M13/028 ,  G06F18/213 ,  G06F18/241 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/088

摘要： 本申请提供一种故障预测方法与系统。所述方法获取目标检测设备的时间序列数据，时间序列数据包括目标检测设备的振动信号。并基于卷积神经网络提取所述时间序列数据的特征信息。将时间序列数据输入至故障预测模型可以得到故障预测信息。对时间序列数据分类可以增强时间序列数据与单类故障之间的关系，并且可以根据所述关系选择用于预测这类故障的模型，进而实现通过时间序列数据，根据特征信息可以形成设备运行趋势预测，进而有利于识别出新型故障。

公开(公告)号：CN116720073A

公开(公告)日：2023-09-08

申请号：CN202311000015.3

申请日：2023-08-10

申请人： 江苏金恒信息科技股份有限公司

发明人： 杨波 ,  李福存 ,  王苏扬 ,  王雨澄 ,  卞雯雯 ,  林文辉 ,  杨爱玲 ,  马超

IPC分类号： G06F18/213 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  G06F123/02

摘要： 本申请提供一种基于分类器的异常检测提取方法与系统。所述方法采集目标检测设备的时间序列数据，将时间序列数据输入至分类器，以进行故障分类。分类器包括故障识别模型和故障分类模型。故障识别模型接收时间序列数据，可以得到待分类时间序列数据。故障分类模型接收待分类时间序列数据与目标检测设备的历史故障数据，输出目标检测设备的故障类型。基于机器学习的过程，通过故障识别模型和故障分类模型组成分类器，可以根据采集得到的时间序列数据先后提取故障信号以及故障信号关联的故障类型，缓解非线性数据不易提取特征的问题，提高故障类型识别的准确率。

公开(公告)号：CN117314904A

公开(公告)日：2023-12-29

申请号：CN202311597413.8

申请日：2023-11-28

申请人： 江苏金恒信息科技股份有限公司

发明人： 李井先 ,  岳晨 ,  李福存 ,  王苏杨 ,  林文辉 ,  杨爱玲 ,  杨波 ,  王雨澄 ,  马超

IPC分类号： G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本申请涉及图像处理领域，具体提供一种钢板表面缺陷检测方法，包括：获取钢板表面原始图像数据；根据原始图像数据，建立钢板表面缺陷标注数据集；根据训练集训练目标检测模型，以得到训练模型；将测试集导入训练模型，得到目标检测推理结果；根据误检的缺陷类型从所述目标检测推理结果中确定误检背景图像；生成二分类数据集，二分类数据集包括标注数据集中的缺陷图像以及误检背景图像；使用二分类数据集训练多个分类模型，以得到第一候选模型；组合第一候选模型以得到最优组合模型，并将目标检测推理结果代入最优组合模型以对目标检测推理结果进行优化。通过目标检测以及最优组合优化检测结果，达到提升缺陷的检出率，降低缺陷误检率的目的。

公开(公告)号：CN116934707A

公开(公告)日：2023-10-24

申请号：CN202310898355.6

申请日：2023-07-21

申请人： 江苏金恒信息科技股份有限公司

发明人： 岳晨 ,  李福存 ,  王苏杨 ,  李井先 ,  林文辉 ,  杨爱玲 ,  杨波 ,  王雨澄 ,  马超

IPC分类号： G06T7/00 ,  G06V10/774 ,  G06V20/70 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464

摘要： 本申请提供一种金属板表面缺陷检测方法，首先，利用相机扫描训练金属板，处理数据后得到多模态标注数据集；然后，构建待训练多模态融合网络；最后将多模态标注数据集送入待训练多模态融合网络进行训练，构建多模态融合网络；将待检测的多模态数据经数据对齐与预处理后，送入多模态融合网络进行推理，得到金属板表面缺陷检测结果。本申请采用复合的数据采集方案，有效弥补单一探测方案的表征信息不足的缺点，解决单一检测方案对金属板表面缺陷的判断准确性低的问题。

公开(公告)号：CN117314904B

公开(公告)日：2024-02-23

申请号：CN202311597413.8

申请日：2023-11-28

申请人： 江苏金恒信息科技股份有限公司

发明人： 李井先 ,  岳晨 ,  李福存 ,  王苏杨 ,  林文辉 ,  杨爱玲 ,  杨波 ,  王雨澄 ,  马超

IPC分类号： G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本申请涉及图像处理领域，具体提供一种钢板表面缺陷检测方法，包括：获取钢板表面原始图像数据；根据原始图像数据，建立钢板表面缺陷标注数据集；根据训练集训练目标检测模型，以得到训练模型；将测试集导入训练模型，得到目标检测推理结果；根据误检的缺陷类型从所述目标检测推理结果中确定误检背景图像；生成二分类数据集，二分类数据集包括标注数据集中的缺陷图像以及误检背景图像；使用二分类数据集训练多个分类模型，以得到第一候选模型；组合第一候选模型以得到最优组合模型，并将目标检测推理结果代入最优组合模型以对目标检测推理结果进行优化。通过目标检测以及最优组合优化检测结果，达到提升缺陷的检出率，降低缺陷误检率的目的。

公开(公告)号：CN117371324A

公开(公告)日：2024-01-09

申请号：CN202311394970.X

申请日：2023-10-26

申请人： 江苏金恒信息科技股份有限公司

发明人： 张金秀 ,  李福存 ,  王苏扬 ,  朱鹏举 ,  杨爱玲 ,  赵贵州 ,  林文辉 ,  王雷 ,  马超

IPC分类号： G06F30/27 ,  G06F18/214 ,  G06F18/23 ,  G06F119/02

摘要： 本发明公开了一种基于机器学习的新钢种轧制力预测方法，步骤为：(1)采集已有钢种的化学成分和轧制过程中的生产数据；(2)对整理的数据进行异常值和缺失值的识别与填补；(3)对已有钢种的化学成分进行标准化聚类；(4)根据聚类结果对每个类别样本进行机器学习建模训练；(5)实时输入新钢种的化学成分和轧制过程的生产数据并进行清洗；(6)计算新钢种化学成分与各个聚类中心距离，选择距离最近的m个类别；(7)利用m个最近类别的训练模型分别进行轧制力预测，取其平均值作为新钢种预测的轧制力。本发明能更为精准的轧制力预测能更好的进行板材形状和性能控制，从而达到降低不合格产品的风险效用。

公开(公告)号：CN115921546A

公开(公告)日：2023-04-07

申请号：CN202310244655.2

申请日：2023-03-15

申请人： 江苏金恒信息科技股份有限公司

发明人： 许鹏飞 ,  朱鹏举 ,  王雷 ,  郑锋耀 ,  王苏扬 ,  马宁 ,  林文辉

IPC分类号： B21B37/58

摘要： 本申请提供一种基于迭代法优化轧机模型压下量的方法及系统，包括：获取钢坯PDI数据；基于钢坯PDI数据，查询数据库中是否有与所述钢坯PDI数据对应的目标模型系数，若否，基于所述钢坯PDI数据得到初始压下量；基于初始压下量，结合获取的第一参数确定精轧各道次原始轧制力，对原始模型系数调整，得到中间模型系数，并基于中间模型系数得到中间压下量；基于中间压下量，使用迭代法，更新中间模型系数，直至实际轧制力与钢坯PDI数据所对应的原始轧制力的误差在指定阈值内，结束迭代，得到目标模型系数，根据目标模型系数确定目标压下量，以解决目前的轧机模型精轧过程中轧制力逐渐减小导致成品的目标厚度存在误差的问题。

公开(公告)号：CN110991089A

公开(公告)日：2020-04-10

申请号：CN201911363776.9

申请日：2019-12-26

申请人： 北京科技大学

发明人： 刘青 ,  林文辉 ,  孙建坤 ,  周凯啸

IPC分类号： G06F30/20 ,  G06F111/10

摘要： 本发明提供了一种转炉炼钢冶炼后期碳含量预报方法，具体涉及钢铁冶金技术领域，该方法是在指数衰减模型的基础上进行了改进，引入了“历史脱碳曲线”、“参考脱碳曲线”、“计算脱碳曲线”的概念，不仅有效发挥了历史炉次脱碳曲线的参考价值，还充分利用了当前炉次实际脱碳曲线的特征，从而提出了一种具有更好适应性和更高准确率的冶炼后期碳含量预报的改进指数模型。

公开(公告)号：CN112036081B

公开(公告)日：2021-06-01

申请号：CN202010872199.2

申请日：2020-08-26

申请人： 北京科技大学

发明人： 刘青 ,  周凯啸 ,  林文辉 ,  孙建坤 ,  冯小明

IPC分类号： G06F30/27 ,  G06N3/08 ,  C21C5/28 ,  G06F111/04

摘要： 本发明涉及钢铁冶金技术领域，提供了一种基于收得率预测的转炉出钢硅锰合金加入量确定方法，包括S1采集转炉多炉次生产数据并进行归一化处理；S2确定模型输入变量；S3确定影响转炉出钢过程合金收得率的因素，作为模型的输入变量；S4建立单调性约束的BP人工神经网络Mn元素收得率预测模型；S5调整模型参数，得到优化预测结果；S6确定转炉出钢硅锰合金的预测加入量。本发明方法采用单调性约束的方式对BP人工神经网络进行改进，使其能够和冶金反应机理结合，用来对转炉冶炼终点Mn元素收得率进行预测，能取得比普通BP人工神经网络更好的预测效果；具有较好的准确度和经济效益，可为现场生产过程合金的加入提供有益指导。