基于时间卷积网络-长短时记忆网络的连铸辊故障预测方法

AITNT
正文
推荐专利
基于时间卷积网络-长短时记忆网络的连铸辊故障预测方法
申请号:CN202510230507
申请日期:2025-02-28
公开号:CN120123877A
公开日期:2025-06-10
类型:发明专利
摘要
本发明公开了基于时间卷积网络‑长短时记忆网络的连铸辊故障预测方法,具体包括如下步骤:步骤1,构建连铸辊数据集,并将数据集划分为训练集合测试集;步骤2,建立故障预测模型;步骤3,采用步骤1划分的训练集对步骤2构建的样本故障预测模型进行训练,输出训练好的模型;步骤4,采用步骤1划分的测试集对步骤3训练好的模型进行评价,输出预测结果。采用本发明提出的方法能够对连铸辊故障进行准确预测。
技术关键词
故障预测方法 时间卷积网络 故障预测模型 样本 记忆单元 无故障数据 历史故障数据 解码器模型 编码器模块 标准化方法 深度学习模型 序列 指标 标记 连铸机
系统为您推荐了相关专利信息
1
一种支持多语言跨模态的信息检索方法、装置及设备
信息检索方法 多模态 数据 多语言 样本
2
一种基于深度学习的SQL注入攻击识别方法及系统
攻击识别方法 WGAN模型 BERT模型 数据 序列
3
一种基于杉木闽楠近自然改造林分的杉木胸径生长预测方法
生长预测方法 年轮宽度 变量 赤池信息量准则 参数
4
资源推荐方法、训练深度学习模型的方法、装置及智能体
融合特征 样本 注意力机制 训练深度学习模型 资源推荐方法
5
样本构建方法、大模型训练方法、装置、电子设备及介质
文本 多模态 图像 子模块 模型训练方法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号