龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：燕山大学;东北大学
申请日：2024-05-23
公开（公告）日：2024-06-21
公开（公告）号：CN118218414A
主分类号：B21B37/28
分类号：B21B37/28
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明属于冶金轧制技术领域，涉及一种基于数字孪生模型的冷轧板形预设定控制方法，包括：运用回归方法拟合出中间辊横移量预设定数学模型；采集冷轧过程实测数据，提取影响冷轧弯辊力的特征参数；采用孤立森林算法检测和剔除每种特征参数数据集中的异常值；利用拉格朗日插值法对清洗后的每种特征参数进行缺失值的填补，对特征参数进行归一化处理，并划分训练集和测试集；建立BP神经网络预测模型，通过训练集数据训练BP神经网络获得最优的隐含层节点数目；运用麻雀搜索算法优化BP神经网络的初始权值和阈值，获得训练好的SSA‑BP冷轧弯辊力预设定值预测模型；利用测试集验证训练好的SSA‑BP冷轧弯辊力预设定值预测模型的预测精度。
主权项：1.一种基于数字孪生模型的冷轧板形预设定控制方法，其特征在于，包括：步骤1：运用回归方法拟合出中间辊横移量预设定数学模型；步骤2：采集冷轧过程实测数据，提取影响冷轧弯辊力的多种特征参数，构成多种特征参数数据集；步骤3：采用孤立森林算法检测和剔除所采集的每种特征参数数据集中的异常值；步骤4：利用拉格朗日插值法对清洗后的每种特征参数进行缺失值的填补，运用线性函数归一化法对特征参数进行归一化处理，并划分训练集和测试集；步骤5：建立BP神经网络预测模型，通过训练集数据训练BP神经网络预测模型获得最优的隐含层节点数目；步骤6：运用麻雀搜索算法优化BP神经网络预测模型的初始权值和阈值，获得训练好的SSA-BP冷轧弯辊力预设定值预测模型；步骤7：利用测试集数据验证训练好的SSA-BP冷轧弯辊力预设定值预测模型的预测精度。
全文数据：
权利要求：
百度查询： 燕山大学;东北大学 一种基于数字孪生模型的冷轧板形预设定控制方法
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