摘要
本发明提供一种集成学习的热轧无缝钢管力学性能预测方法及装置,涉及冶金技术领域。本发明通过组合热轧无缝钢管的化学成分、材料参数和生产过程参数,构建输入特征,结合BP神经网络模型、支持向量机模型和快速学习网络模型等各类预测模型进行力学性能参数预测,实现热轧无缝钢管力学性能的自动检测。并通过权重系数实现各类网络模型的集成学习,综合各类预测模型的优点,相比于传统人工抽检方式,本发明提高了热轧无缝钢管的检测效率和准确性。
技术关键词
力学性能参数
热轧无缝钢管
输出特征
BP神经网络模型
支持向量机模型
极值
覆盖率
加热炉出口温度
粒子群算法
定径机
预测装置
生成训练样本
电子设备
存储器
系统为您推荐了相关专利信息
注意力神经网络
半月板撕裂
深度学习模型
滑动窗口
诊断方法
双断点断路器
多步预测方法
混合预测模型
注意力机制
卷积神经网络特征提取
PID控制参数
BP神经网络模型
浓度控制方法
呼吸机
空气流量传感器
BP神经网络模型
遗传算法优化
锂电池
电池管理系统
指标