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！

龙图腾网恭喜昆明理工大学申请的专利一种基于AM-GRU-BPNN的产品质量指标预测方法、系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115481715B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210966854.X，技术领域涉及：G06N3/0442；该发明授权一种基于AM-GRU-BPNN的产品质量指标预测方法、系统是由张曦;阴艳超;唐军;张万达设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本一种基于AM-GRU-BPNN的产品质量指标预测方法、系统在说明书摘要公布了：本发明公开了一种基于AM‑GRU‑BPNN的产品质量指标预测方法、系统。方法包括：收集流程制造生产线的多组来自多工序的工况数据作为样本数据集；对样本数据集中的每组样本数据进行预处理；划分为训练集数据和测试集数据；构建AM‑GRU‑BPNN预测模型，对AM‑GRU‑BPNN预测模型进行训练，获得训练好的AM‑GRU‑BPNN预测模型；利用训练好的AM‑GRU‑BPNN预测模型对测试集数据进行测试。本发明有针对性地解决了流程制造行业产品质量预测难的问题，可提前预判缺陷和及时弥补缺陷，进而提高质量指标的预测精度，降低了企业成本，为实现流程生产过程精准预测与优化调控提供方法和途径。

本发明授权一种基于AM-GRU-BPNN的产品质量指标预测方法、系统在权利要求书中公布了：1.一种基于AM-GRU-BPNN的产品质量指标预测方法，其特征在于：包括：收集流程制造生产线的多组来自多工序的工况数据作为样本数据集；其中，工况数据包括工艺参数数据、质量指标数据；对样本数据集中的每组样本数据进行预处理，获得无冗余数据；依据比例按时间顺序，将无冗余数据划分为训练集数据和测试集数据；构建AM-GRU-BPNN预测模型，对AM-GRU-BPNN预测模型进行训练，获得训练好的AM-GRU-BPNN预测模型；其中，所述AM-GRU-BPNN预测模型包括时序注意力机制AM、门控循环单元网络预测模型GRU、BP神经网络预测模型；利用训练好的AM-GRU-BPNN预测模型对测试集数据进行测试，获得预测结果；所述预处理包括：先对样本数据集中的样本数据中的空缺值进行均值填充，接着运用3sigma准则对样本数据进行剔除；对经过3sigma准则判断的样本数据集进行归一化处理；基于信息熵将工艺参数对质量指标的影响进行量化分析，运用信息熵阈值实现对归一化数据的特征筛选，得到无冗余数据；所述构建AM-GRU-BPNN预测模型，对AM-GRU-BPNN预测模型进行训练，获得训练好的AM-GRU-BPNN预测模型，包括：将t时刻的训练集数据与前一时刻的隐藏状态ht-1结合，作为时序注意力机制AM的输入，通过计算得到t时刻工况数据特征对应的工况数据权重将t时刻工况数据特征对应的工况数据权重与对应的工况数据特征相乘得到工况数据特征的关联特征xt'；门控循环单元网络预测模型GRU包括输入层、隐藏层、输出层，将时序注意力机制AM的输出xt'作为门控循环单元网络预测模型GRU的输入，通过计算得到重构后的工况数据，将重构后的工况数据作为隐藏层的输入，通过更新t时刻的GRU隐藏层状态，得到处理后的滑动数据X'作为GRU的输出，得到T组滑动数据；将门控循环单元网络预测模型GRU输出的滑动数据X'作为BP神经网络预测模型的输入，将t时刻BP神经网络预测模型的输入矩阵c1,c2,...,cT，将输入矩阵与引入的权重矩阵W1,W2,...,WT结合，得到输出关联程度将输出关联程度与t时刻对应的BP神经网络预测模型输入矩阵相乘，得到工序权重θf；对f个工序的工序权重进行归一化，得到归一化工序权重将归一化工序权重视为一个神经元，连接全连接层网络并进行反向传播计算，对预设神经网络模型中的参数进行更新，得到训练好的AM-GRU-BPNN模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人昆明理工大学，其通讯地址为：650093 云南省昆明市五华区学府路253号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。