-
Patent Agency Ranking
公开(公告)号：CN113128124B
公开(公告)日：2023-09-15
申请号：CN202110442000.7
申请日：2021-04-23
Applicant: 东北大学 , 河钢集团有限公司 , 河钢数字技术股份有限公司
IPC: G06F30/27 , G06N3/006 , G06F18/231 , G06F18/2415 , G06N3/047 , G06N3/086 , G16C60/00 , G16C20/70 , G06F111/04 , G06F111/06 , G06F111/10 , G06F113/26 , G06F119/14
Abstract: 本发明提供一种基于改进神经网络的多牌号C‑Mn钢力学性能预测方法，首先采集多牌号C‑Mn钢在热连轧生产过程中的生产数据并进行数据处理，然后采用前向选择的相关性分析方法生成各力学性能的样本集，采用PSO算法对BRNN网络模型训练过程中的参数进行优化，通过选取多个牌号的C‑Mn钢生产数据，使数据样本中包含了更加全面的生产工艺信息，解决了单钢种生产工艺的数据无法包括全面的工艺信息的问题；通过采用数据处理和相关性分析方法，使数据更加稳定且更具规律性，并可以有效简化预测模型的结构；通过引入PSO算法对BRNN模型进行改进，解决了其存在的容易陷入局部最小值的问题，经过改进的神经网络具有良好的泛化能力，能够更客观地符合物理冶金学规律。
-
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
Applicant: 东北大学
IPC: 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
Abstract: 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：CN112100745A
公开(公告)日：2020-12-18
申请号：CN202010966431.9
申请日：2020-09-15
Applicant: 东北大学
IPC: G06F30/15 , G06F30/17 , G06F30/27 , G06K9/62 , G06N20/10 , G06F113/26 , G06F119/14 , G06F113/28
Abstract: 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：CN111860421A
公开(公告)日：2020-10-30
申请号：CN202010749365.X
申请日：2020-07-30
Applicant: 东北大学
Abstract: 本发明提供一种基于Mask R-CNN网络的C-Mn钢组织识别方法，涉及钢铁技术领域。本发明基于Mask R-CNN网络的C-Mn钢组织识别方法，将训练与识别过程分开，不依赖处理器的高性能，适用于更多的软硬件平台。本发明设计的基于Mask R-CNN网络的C-Mn钢组织识别应用程序，能够保证高识别率的前提下，仍能快速识别C-Mn钢的微观组织；通过应用训练完毕的Mask R-CNN网络模型，在减少人为主观因素的同时，大大提高了C-Mn钢微观组织识别速度与准确度。
-
公开(公告)号：CN113128124A
公开(公告)日：2021-07-16
申请号：CN202110442000.7
申请日：2021-04-23
Applicant: 东北大学 , 河钢集团有限公司 , 河钢数字技术股份有限公司
IPC: G06F30/27 , G06K9/62 , G06N3/00 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/06 , G06F111/10 , G06F119/14
Abstract: 本发明提供一种基于改进神经网络的多牌号C‑Mn钢力学性能预测方法，首先采集多牌号C‑Mn钢在热连轧生产过程中的生产数据并进行数据处理，然后采用前向选择的相关性分析方法生成各力学性能的样本集，采用PSO算法对BRNN网络模型训练过程中的参数进行优化，通过选取多个牌号的C‑Mn钢生产数据，使数据样本中包含了更加全面的生产工艺信息，解决了单钢种生产工艺的数据无法包括全面的工艺信息的问题；通过采用数据处理和相关性分析方法，使数据更加稳定且更具规律性，并可以有效简化预测模型的结构；通过引入PSO算法对BRNN模型进行改进，解决了其存在的容易陷入局部最小值的问题，经过改进的神经网络具有良好的泛化能力，能够更客观地符合物理冶金学规律。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
