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。

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