一种基于深度学习的轴承热处理结果预测方法

本发明涉及一种创新的轴承热处理结果预测技术，充分利用了深度学习网络的强大能力。该方法的关键在于将轴承在热处理过程中的关键参数，例如淬火时间、淬火温度以及其他可能影响热处理结果的条件，综合作为输入数据的特征集，将热处理完成后轴承的物理或化学属性值作为模型预测的目标变量。针对数据对于时间敏感度较高的特点，选用长短时记忆网络(Long Short‑Term Memory,LSTM)学习输入特征与输出结果之间的复杂映射关系，有效捕捉数据中的时序依赖性，把握数据的时序特征。训练完成的模型不仅能够为操作人员提供准确的预测结果，还能帮助他们理解不同参数如何影响最终产品的质量，减少因实验带来的产品损耗。