申请/专利权人:福州大学
申请日:2024-01-27
公开(公告)日:2024-04-26
公开(公告)号:CN117934951A
主分类号:G06V10/764
分类号:G06V10/764;C23C2/28;C23C2/06;C23C2/40;G06V10/82;G06N3/0455;G06N3/0985;G06V10/766;G06F18/15
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明提供一种基于ViTNR算法的热镀锌感应加热设定温度预测方法,包括:步骤1:采集热镀锌工艺的历史数据,对数据集进行清洗;步骤2:对热镀锌镀层质量影响因素的分析和模型特征筛选;步骤3:用z‑score法去除数据集中的离群点;步骤4:将数据集划分训练集、验证集和测试集;步骤5:数据类型处理;步骤6:将训练集数据导入ViTNR模型进行训练,生成初始热浸镀锌感应加热设定温度预测模型;步骤7:对预测模型的超参数进行手动调优;步骤8:验证基于ViTNR算法的热镀锌感应加热温度预测模型的泛化性能。本技术方案通过基于ViTNR算法建立的预测模型可以很好的作用于多钢种、多维度及大批量数据集,具备较好的泛化能力,解决了传统经验公式法计算精度低等问题。
主权项:1.一种基于ViTNR算法的热镀锌感应加热设定温度预测方法,其特征在于,包括以下步骤:步骤1:采集热镀锌工艺的历史数据,对数据集进行清洗;步骤2:对热镀锌镀层质量影响因素的分析和模型特征筛选;步骤3:用z-score法去除数据集中的离群点;步骤4:用同分布抽样方法将数据集划分训练集、验证集和测试集;步骤5:数据类型处理:将历史数据集的一维输入特征转换为二维图像特征,将特征按顺序插入二维图像中,得到的图像数据;步骤6:将训练集数据导入ViTNR模型进行训练,生成初始热浸镀锌感应加热设定温度预测模型;步骤7:对预测模型的超参数进行手动调优;步骤8:利用测试集验证基于ViTNR算法的热镀锌感应加热温度预测模型的泛化性能。
全文数据:
权利要求:
百度查询: 福州大学 一种基于ViTNR算法的热镀锌感应加热设定温度预测方法
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。