-
公开(公告)号：CN117574215B
公开(公告)日：2024-04-02
申请号：CN202410066012.8
申请日：2024-01-17
Applicant: 北京科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/22 , G06F18/23 , B21B37/28
Abstract: 本发明涉及一种热轧带钢板形预测控制方法及装置，包括：建立历史热轧带钢断面厚度曲线数据集；对断面厚度曲线数据集进行聚类处理，得到模板曲线数据集；对断面厚度曲线数据集进行预处理，得到断面厚度曲线重构数据集；对模板曲线数据集和断面厚度曲线重构数据集进行融合计算，得到历史热轧带钢断面厚度曲线特征表征结果集；根据结果集计算不同热轧带钢断面厚度曲线形状的风险度，由风险度制定相应的板形预测控制策略。本发明基于历史热轧带钢断面厚度曲线数据集，建立模板曲线数据集，实现了热轧带钢断面厚度曲线形状标签的统一标注，并对热轧带钢断面厚度曲线数据进行去噪，对断面厚度曲线的形状进行分类，实现了断面厚度曲线形状的精准分类。
-
Patent Agency Ranking
公开(公告)号：CN117574215A
公开(公告)日：2024-02-20
申请号：CN202410066012.8
申请日：2024-01-17
Applicant: 北京科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/22 , G06F18/23 , B21B37/28
Abstract: 本发明涉及一种热轧带钢板形预测控制方法及装置，包括：建立历史热轧带钢断面厚度曲线数据集；对断面厚度曲线数据集进行聚类处理，得到模板曲线数据集；对断面厚度曲线数据集进行预处理，得到断面厚度曲线重构数据集；对模板曲线数据集和断面厚度曲线重构数据集进行融合计算，得到历史热轧带钢断面厚度曲线特征表征结果集；根据结果集计算不同热轧带钢断面厚度曲线形状的风险度，由风险度制定相应的板形预测控制策略。本发明基于历史热轧带钢断面厚度曲线数据集，建立模板曲线数据集，实现了热轧带钢断面厚度曲线形状标签的统一标注，并对热轧带钢断面厚度曲线数据进行去噪，对断面厚度曲线的形状进行分类，实现了断面厚度曲线形状的精准分类。
-
公开(公告)号：CN116127345B
公开(公告)日：2023-11-14
申请号：CN202211661806.6
申请日：2022-12-23
Applicant: 北京科技大学
IPC: G06F18/2321 , G06F18/214 , G06N3/04 , G06N3/08 , G06F30/27
Abstract: 本发明公开了一种基于深度聚类生成对抗网络的转炉炼钢工艺模式设计方法，包括：获取若干历史样本的生产数据并进行预处理，构建历史样本数据集；构建深度聚类生成对抗网络模型，并利用历史样本数据集进行训练；以待设计工艺模式的炉次作为新样本，获取新样本的初始信息，并对初始信息进行预处理，基于预处理后的初始信息对新样本进行聚类；根据新样本的聚类结果，生成新样本对应的工艺随机向量，将新样本对应的工艺随机向量与其对应的预处理后的初始信息一起输入训练好的深度聚类生成对抗网络模型中，生成新样本对应的工艺模式；基于生成的新样本的工艺模式，确定新样本最终的工艺模式。本发明对提高钢铁生产企业的产品质量和经济效益有很大帮助。
-
公开(公告)号：CN112001596B
公开(公告)日：2023-10-31
申请号：CN202010734092.1
申请日：2020-07-27
Applicant: 北京科技大学
IPC: G06Q10/0633 , G06Q10/04 , G06Q50/04 , G06N7/01
Abstract: 本发明公开了一种时间序列数据异常点检测方法及系统，该方法包括：获取待检测的时间序列数据；利用相关向量机计算当前观测数据的预测概率分布；基于计算出的预测概率分布，利用贝叶斯框架判断当前观测数据是否为异常点，以得到时间序列数据中异常点位置和异常点概率值；对各段子时间序列中的异常点位置和异常点概率值分别进行合并处理，得到异常点检测结果。本发明解决了工业控制过程产生的非稳态时序数据异常检测问题，可有效监控流程工业过程中工艺控制数据可能异常的情况，并且可利用异常点概率值表征数据异常的严重程度，提高了流程工业生产过程中数据异常监控的信息多样性和准确性。
-
公开(公告)号：CN116127345A
公开(公告)日：2023-05-16
申请号：CN202211661806.6
申请日：2022-12-23
Applicant: 北京科技大学
IPC: G06F18/2321 , G06F18/214 , G06N3/04 , G06N3/08 , G06F30/27
Abstract: 本发明公开了一种基于深度聚类生成对抗网络的转炉炼钢工艺模式设计方法，包括：获取若干历史样本的生产数据并进行预处理，构建历史样本数据集；构建深度聚类生成对抗网络模型，并利用历史样本数据集进行训练；以待设计工艺模式的炉次作为新样本，获取新样本的初始信息，并对初始信息进行预处理，基于预处理后的初始信息对新样本进行聚类；根据新样本的聚类结果，生成新样本对应的工艺随机向量，将新样本对应的工艺随机向量与其对应的预处理后的初始信息一起输入训练好的深度聚类生成对抗网络模型中，生成新样本对应的工艺模式；基于生成的新样本的工艺模式，确定新样本最终的工艺模式。本发明对提高钢铁生产企业的产品质量和经济效益有很大帮助。
-
公开(公告)号：CN111898903A
公开(公告)日：2020-11-06
申请号：CN202010739592.4
申请日：2020-07-28
Applicant: 北京科技大学
Abstract: 本发明公开了一种钢铁产品均匀性和综合质量评估方法及系统，该方法包括：获取待评估数据集；其中，每一批次包括多条温度曲线和多个质量指标；计算每一批次的温度曲线与规格区域的相对体积，以及每一批次温度曲线与目标温度值的相对距离；将相对体积和相对距离与对应批次数据中的质量指标组合，形成质量指标数据集并进行标准化处理，以消除量纲影响；计算每一批次与最优方案的相对接近程度，作为评价当前批次优劣的依据。本发明利用核密度估计的方法解决了非正态工艺数据的均匀性评估问题；将优劣解距离法分为训练和评估两个过程，从而给新批次一个客观的相似度作为多质量指标的综合评价指标。
-
-
-
-
-
Search Results
16
records
(took 0.034 seconds)
