公开(公告)号：CN116307195A

公开(公告)日：2023-06-23

申请号：CN202310285159.1

申请日：2023-03-22

Applicant: 苏州大学

Inventor： 仲兆准 ,  张峥 ,  李阳 ,  辛雨 ,  管淼 ,  吕凡

IPC: G06Q10/04 ,  B21B1/22 ,  G06Q50/04 ,  G06F16/215 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464

Abstract: 本发明提供一种基于深度学习的带钢精轧宽展预测方法和系统。该方法首先将数值型数据转化为图像数据，然后通过卷积神经网络来提取图像特征，实现强特征提取，并有效地降低带钢精轧过程中巨量的数据维度，同时加入批归一化层，加速了网络模型的收敛，避免了过拟合现象的出现。最后通过构建的深度神经网络模型进行预测，通过该种方法实现了将一维的数值数据转变为了二维的图像数据，而二维的图像数据中的信息更加丰富，能够获得的有效信息更多。本发明提出的新方法可以提高模型的收敛速度，避免了前期冗杂的数据预处理过程，提升了模型的泛化能力和预测精度，对热轧带钢的宽展预测具有十分重要的意义。