申请/专利权人：太原科技大学;邯郸钢铁集团有限责任公司

申请日：2024-06-06

公开（公告）日：2024-07-05

公开（公告）号：CN118298984A

主分类号：G16C60/00

分类号：G16C60/00;B22D11/22;G06F30/23;G06F30/27;G06F111/10;G06F119/08;G06N3/0464;G06N3/086

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明属于连铸技术领域，具体为一种连铸过程中铸坯温度场的预测方法及系统，根据连铸历史生产数据，采用数值模拟方法对铸坯温度场进行模拟；将模拟好的数据文件进行铸坯温度场数据提取后和历史生产数据合并建立数据集，划分训练集、验证集和测试集，构建包括输入层、卷积层、池化层、全连接层和输出层的GA‑CNN模型；将预处理后的数据输入GA‑CNN模型进行训练，利用验证集评估训练好的模型性能，选择MAE、MSE、R2作为评价指标，基于各项评价指标的判别标准，获得训练效果良好的GA‑CNN模型，采用训练效果良好的GA‑CNN模型实现连铸过程中铸坯温度场的预测。本发明能够快速调整连铸温度场，有效的预防板坯在连铸过程中产生生产事故并保证铸坯质量。

主权项：1.一种连铸过程中铸坯温度场的预测方法，其特征在于，包括如下步骤：S1、根据连铸历史生产数据，采用数值模拟方法对铸坯温度场进行模拟；S2、将模拟好的数据文件进行铸坯温度场数据提取，将提取的铸坯温度场数据和历史生产数据合并建立数据集，对建立好的数据集进行数据预处理后，以铸坯内侧传热系数、铸坯外侧传热系数、铸坯窄边传热系数、铸坯角部传热系数、铸坯拉速、铸坯初始温度、钢种密度、钢种比热、钢种热导率、铸坯宽度、铸坯厚度作为输入变量，将铸坯温度场数据作为输出变量；划分训练集、验证集和测试集，构建包括输入层、卷积层、池化层、全连接层和输出层的GA-CNN模型；S3、将预处理后的数据输入GA-CNN模型进行训练，利用验证集评估训练好的模型性能，选择MAE、MSE、R2作为评价指标，基于各项评价指标的判别标准，获得训练效果良好的GA-CNN模型；S4、采用训练效果良好的GA-CNN模型实现连铸过程中铸坯温度场的预测。

全文数据：

权利要求：

百度查询： 太原科技大学 邯郸钢铁集团有限责任公司 一种连铸过程中铸坯温度场的预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD