申请/专利权人：南京工业大学

申请日：2023-12-25

公开（公告）日：2024-03-22

公开（公告）号：CN117745140A

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06Q10/04;G06Q50/04;G06F18/211;G06F18/243

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：发明公开了一种基于Xgboost的轮胎密炼过程质量指标预测方法，主要解决了密炼机产出橡胶质量难以直接预测的问题。通过实现对橡胶门尼值进行高精度预测，有效改善了橡胶的分散性、硫化特性、流动性和加工性，进而提升了后续轮胎的整体质量。该预测方法使密炼过程门尼值的预测精度能够稳定在90％以上。本发明通过人工智能算法，成功实现了高效可靠的密炼质量预测，有效地满足了现代轮胎生产企业对提高自动化程度的紧迫需求。

主权项：1.一种基于Xgboost的轮胎密炼过程质量指标预测方法，其特征在于：Step1：将密炼环节中涉及的相关流程工业数据与最终相应的质检数据进行数据整合；Step2：对采集的密炼数据进行预处理，检查数据中是否存在缺失值、异常值或错误值，并进行处理或删除；Step3：确定模型的特征集；Step4：采用XGBoost预测树作为门尼系数与比重值的预测模型，XGBoost使用CART作为基础学习器，每棵树的结构由决策树的叶子节点和叶子节点上的分数组成，树的预测值是在叶子节点上的分数之和： 其中，fkxi表示样本i被分到树k的叶子节点上的分数；Step5：设定初始的模型参数，并使用测试集对训练好的模型进行评估，输出预测结果、误差分布图、均方根误差变化图以及准确率；Step6：通过误差分布图以及预测结果，存在一些误差较大的异常点，将这些异常点剔除后，在对数据集进行划分，训练预测，得到更好的训练模型；Step7：使用SHAP方法计算出测试集输入的影响比重；根据评估结果对模型进行调参和优化，获得最终的预测模型；Step8：获取待测轮胎密炼过程的特征集，使用最终的预测模型进行质量指标预测。

全文数据：

权利要求：

百度查询： 南京工业大学 一种基于Xgboost的轮胎密炼过程质量指标预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD