发明

一种基于记忆性功能网络的带钢全长厚度预测方法2025

2023-09-07 07:19:07 发布于四川 3
  • 申请专利号:CN202310427981.7
  • 公开(公告)日:2025-06-17
  • 公开(公告)号:CN116689503A
  • 申请人:东北大学
摘要:本发明的一种基于记忆性功能网络的带钢全长厚度预测方法,包括:每间隔相等时间采集一次实时过程轧制数据和带钢出口厚度的实测值,构成输入特征数据集;将输入特征数据集按比例、按时间顺序分为训练集和测试集并进行归一化处理;构建带钢厚度点预测的GLSTM网络,并训练得到点预测的GLSTM网络各层的连接权重和偏置;利用粒子群算法优化点预测的GLSTM网络的输出层的连接权重,得到最佳的输出层的连接权重Wopt;基于除去输出层之外的各层的连接权重和偏置以及Wopt,构建带钢厚度区间预测的GLSTM网络,根据评价指标确定区间预测的GLSTM网络的最佳参数;利用最优区间预测的GLSTM网络进行带钢全长厚度预测。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116689503 A (43)申请公布日 2023.09.05 (21)申请号 202310427981.7 (22)申请日 2023.04.20 (71)申请人 东北大学 地址 110819 辽宁省沈阳市和平区文化路 三号巷11号 (72)发明人 李旭 栾峰 田向华 吴艳  刘宏旭 张弛 赵海金 廖哲  韩月娇  (74)专利代理机构 沈阳优普达知识产权代理事 务所(特殊普通合伙) 21234 专利代理师 陈曦 (51)Int.Cl. B21B 37/16 (2006.01) 权利要求书3页 说明书8页 附图3页 (54)发明名称 一种基于记忆性功能网络的带钢全长厚度 预测方法 (57)摘要 本发明的一种基于记忆性功能网络的带钢 全长厚度预测方法,包括 :每间隔相等时间采集 一次实时过程轧制数据和带钢出口厚度的实测 值,构成输入特征数据集;将输入特征数据集按 比例、按时间顺序分为训练集和测试集并进行归 一化处理;构建带钢厚度点预测的GLSTM网络,并 训练得到点预测的GLSTM网络各层的连接权重和 偏置;利用粒子群算法优化点预测的GLSTM网络 的输出层的连接权重,得到最佳的输出层的连接 权重W ;基于除去输出层之外的各层的连接权 opt 重和偏置以及W ,构建带钢厚度区间预测的 opt A GLSTM网络,根据

最新专利