摘要
本发明涉及一种基于深度学习的热轧粗轧翘扣头预测与优化方法和系统,属于热轧预测与优化,解决了现有技术中难以实现轧制工艺参数的精准预测,无法保证轧制产品的高品质、无法适应快速变化的生产条件的问题,包括:采集待预测工艺的轧制工艺参数并预处理,得到预处理后的轧制工艺参数;将预处理后的轧制工艺参数输入预先训练好的深度学习模块,得到预测的产品质量数据;其中,所述产品质量数据包括:产品的尺寸精度、是否发生翘扣头和翘扣头的程度;所述深度学习模块,用于依次利用KA‑CNN自适应卷积模块和Transformer模块对预处理后的轧制工艺参数进行特征提取;以及,利用提取到的特征预测产品质量数据。实现了对大规模、高维度数据的高效、灵活的综合处理。
技术关键词
轧制工艺参数
热轧
矩阵
卷积模块
翘扣头
板坯厚度
数据采集模块
序列
深度学习模型
注意力
数值
在线
精度
高品质
策略
偏差
尺寸
系统为您推荐了相关专利信息
矩阵
校正方法
解释结构模型
概率密度函数
时空分布特征
人工智能模型
管理系统
线性变换矩阵
连续型
医学图像数据
符号检测方法
信道频域响应
时延
时间域
GS算法