龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开一种基于LSTM的轧制板形的变化趋势预测方法，涉及带钢轧制技术领域。获取连轧生产线工业过程时序数据集；对连轧生产线工业过程时序数据集中的数据点进行预处理；按照设定比例划分为训练集和测试集，并进行Min‑Max归一化处理；确定输入步数；构建CNN‑Attention‑LSTM模型；根据确定的输入步数，利用训练集对所构建的CNN‑Attention‑LSTM模型进行训练；将测试集输入到训练后的CNN‑Attention‑LSTM模型，得到预测的板型值。利用1DCNN在局部特征提取方面的优势，又发挥了注意力机制更加灵活地分配注意力，更有效地捕捉长期依赖关系和序列中的关键特征的优势，从而实现了对轧制过程时序数据高效且准确的建模。运算速度快，利用大量的生产过程数据通过直接在计算机上编程即可实现投入使用，成本十分低廉。
主权项：1.一种基于LSTM的轧制板形的变化趋势预测方法，其特征在于，包括以下步骤：步骤1：获取连轧生产线工业过程时序数据集；步骤2：对连轧生产线工业过程时序数据集中的数据点进行预处理，得到预处理后的连轧生产线工业过程时序数据集；所述预处理包括时序数据对齐、剔除异常值和填补空缺值；步骤3：将预处理后的连轧生产线工业过程时序数据集按照设定比例划分为训练集和测试集，并进行Min-Max归一化处理，得到处理后的训练集和测试集；步骤4：构建CNN-Attention-LSTM模型；步骤5：对预处理后的连轧生产线工业过程时序数据集中数据点的板形值进行自相关性分析，确定CNN-Attention-LSTM模型的输入步数；步骤6：根据确定的输入步数，利用训练集对所构建的CNN-Attention-LSTM模型进行训练，得到训练后的CNN-Attention-LSTM模型；步骤7：将测试集输入到训练后的CNN-Attention-LSTM模型，得到预测的板型值。
全文数据：
权利要求：
百度查询： 东北大学 一种基于LSTM的轧制板形的变化趋势预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号