摘要
本发明提供一种带钢热连轧过程质量性能预测方法及装置,属于工业过程性能预测技术领域。所述方法包括:获取带钢热连轧过程的过程数据;对数据集进行预处理,将预处理后的数据作为待筛选数据集;结合XGBoost算法和带钢过程机理知识,对所述待筛选数据集进行变量筛选,得到模型输入数据集;构建带钢质量性能预测模型,其中,带钢质量性能预测模型为结合注意力机制模块构建的CNN‑LSTM模型,CNN‑LSTM模型基于CNN特征提取层和LSTM模块构建;将所述数据集作为预测模型的输入,输出为模型对带钢质量性能的长时序预测值,经过多次迭代训练,得到最优模型参数;将带钢热连轧过程的在线实时数据输入到训练好的所述带钢质量性能预测模型当中,可实时预测带钢质量性能。
技术关键词
性能预测模型
带钢热连轧
XGBoost算法
注意力机制
LSTM模型
变量
实时数据
性能预测方法
构建决策树
性能预测技术
非线性
传播算法
序列
在线
时序
数据获取模块
预测装置
系统为您推荐了相关专利信息
模型优化方法
模型优化系统
深度学习网络
数据
产线
缺陷检测方法
令牌
图像块特征提取
交叉注意力机制
优化网络参数