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！

龙图腾网获悉山东鑫京鑫金属制品有限公司申请的专利一种基于机器学习的钢管生产后力学性能预测方法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：CN119517213B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202411511390.9，技术领域涉及：G16C20/30；该发明授权一种基于机器学习的钢管生产后力学性能预测方法是由张保雷;张威;吴龙涛;李俊龙设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种基于机器学习的钢管生产后力学性能预测方法在说明书摘要公布了：本发明公开了一种基于机器学习的钢管生产后力学性能预测方法，涉及人工智能预测领域。针对现有预测方法在处理复杂生产过程及多因素影响时的局限性，本发明采集钢管生产多参数及微观结构信息，引入层次加权熵权值方法筛选强相关特征，运用改进多模态深度学习模型DeepFM融合多类型数据统一建模，通过集成决策树XGBoost增强模型可解释性并生成置信区间，最后将模型部署于边缘设备实现实时预测。本发明能全面考量影响因素，提升预测精度，有效融合多模态数据，助力生产过程根据预测调整工艺参数，提高生产效率与产品质量，适用于钢管生产领域。

本发明授权一种基于机器学习的钢管生产后力学性能预测方法在权利要求书中公布了：1.一种基于机器学习的钢管生产后力学性能预测方法，其特征在于，包括以下步骤： S1、首先采集钢管生产中的多种参数包括原材料的化学成分、淬火温度、回火温度、轧制温度、轧制速度、冷却方式、冷却时间，以及钢管的微观结构信息包括晶粒尺寸和晶界分布； S2、其次引入基于层次加权熵权值的方法，筛选出与力学性能强相关的特征，去除冗余和无效特征； S3、针对生产过程中的动态参数，引入长短期记忆网络LSTM，用于捕捉这些参数的时序变化对力学性能的影响，针对钢管微观结构的图像数据，构建基于CNN的深度学习模型，提取图像特征，将图像特征、时序数据与其他静态工艺参数融合，使用改进多模态深度学习模型DeepFM，实现多维度数据的统一建模，提升预测精度； S4、然后通过集成决策树XGBoost，增强深度学习模型的可解释性，分析不同生产参数对钢管力学性能的影响程度，为预测结果生成置信区间，使得生产过程中可以根据预测的不确定性调整工艺参数，确保实际产品性能满足要求； S5、最后将模型部署到生产线的边缘设备上，实现实时力学性能预测，避免延迟，提升生产效率； 所述步骤S3中使用改进多模态深度学习模型DeepFM，实现多维度数据的统一建模的实现步骤为： S31、首先输入的数据被分为时序动态数据，图像数据以及静态工艺数据，这些多模态数据的特征集合为X＝{x1,x2...xn}，其中n为总特征数； S32、其次对输入特征进行线性处理，公式为：其中w0为偏置项，xi为多模态数据中的第i个特征，gxi为用于特征评估的函数为pk表示特征xi的分布概率； S33、接着为了增强对复杂多模态特征的理解，增加三阶特征交互，公式如下：其中vi,vj,vk是特征xi，xj，xk的嵌入向量，＜vi,vj,vk＞表示三阶交互特征的嵌入向量的三重内积，xixjxk表示特征的三阶交互； S34、结合多模态数据的深层特征表示，通过深度神经网络学习高维特征交互，通过多层非线性网络，进一步提取特征的高阶关系； S35、将线性部分、三阶特征交互和深度部分结合，最终输出预测结果

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山东鑫京鑫金属制品有限公司，其通讯地址为：252000 山东省聊城市经济技术开发区蒋官屯嫩江路与武夷山路交叉口西50米；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”。