摘要
本申请提供一种末道次轧制力预测方法及系统,涉及轧制工艺技术领域,所述方法包括:获取数据集;利用特征工程技术筛选数据集中与末道次轧制力相关联的特征,得到训练集;构建分位数深度学习网络模型;利用训练集对分位数深度学习网络模型进行训练,得到目标分位数深度学习网络模型;目标分位数深度学习网络模型被配置有若干个不同分位点的分位点模型;将待测板坯的工艺参数数据输入至目标分位数深度学习网络模型中,根据末道次压下量,得到待测板坯的末道次轧制力预测值;以解决目前的末道次轧制力预测方法缺乏对极端值的关注和预测能力,导致在预测末道次轧制力时,无法提供精准且可靠的预测结果,难以满足实际生产的高精度要求的问题。
技术关键词
深度学习网络模型
轧制力预测方法
特征工程技术
轧制工艺参数
板坯
位点
数据
统计学方法
标准化方法
轧制工艺技术
训练集
智能优化算法
预测系统
输出模块
重构
指标
入口
系统为您推荐了相关专利信息
图像自动聚焦方法
协作模型
多任务
胚胎
轮廓信息
无监督机器学习
深度学习网络模型
预拌混凝土
无标签数据
评估指标量化模型
集成学习模型
条件生成对抗网络
超参数
样本
变量
船舶水尺识别方法
深度学习网络模型
实时图像
识别水位
刻度
深度学习网络模型
序列检测
双向长短期记忆网络
转录组测序数据
基因组测序数据