基于改进神经网络的多牌号C-Mn钢力学性能预测方法
基本信息
| 申请号 | CN202110442000.7 | 申请日 | - |
| 公开（公告）号 | CN113128124A | 公开（公告）日 | 2021-07-16 |
| 申请公布号 | CN113128124A | 申请公布日 | 2021-07-16 |
| 分类号 | G06F30/27（2020.01）I;G06K9/62（2006.01）I;G06N3/00（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06F111/04（2020.01）N;G06F111/06（2020.01）N;G06F111/10（2020.01）N;G06F119/14（2020.01）N | 分类 | 计算；推算；计数; |
| 发明人 | 刘振宇;王新东;申培;贾泽伟;刘宏强;李卉颖;曹光明;何方;李仁华;周晓光 | 申请（专利权）人 | 河钢集团有限公司 |
| 代理机构 | 沈阳东大知识产权代理有限公司 | 代理人 | 李在川 |
| 地址 | 110819辽宁省沈阳市和平区文化路3号巷11号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于改进神经网络的多牌号C‑Mn钢力学性能预测方法，首先采集多牌号C‑Mn钢在热连轧生产过程中的生产数据并进行数据处理，然后采用前向选择的相关性分析方法生成各力学性能的样本集，采用PSO算法对BRNN网络模型训练过程中的参数进行优化，通过选取多个牌号的C‑Mn钢生产数据，使数据样本中包含了更加全面的生产工艺信息，解决了单钢种生产工艺的数据无法包括全面的工艺信息的问题；通过采用数据处理和相关性分析方法，使数据更加稳定且更具规律性，并可以有效简化预测模型的结构；通过引入PSO算法对BRNN模型进行改进，解决了其存在的容易陷入局部最小值的问题，经过改进的神经网络具有良好的泛化能力，能够更客观地符合物理冶金学规律。 |
