-
公开(公告)号：CN118314234B
公开(公告)日：2025-01-28
申请号：CN202410529215.6
申请日：2024-04-29
Applicant: 东北大学
IPC: G06T11/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06V10/44 , G06V10/77 , G06N5/01 , G06N20/20 , G06N3/08
Abstract: 本发明公开了一种改进自编码器网络的C‑Mn钢显微组织图像生成方法，属于钢铁显微组织图像预测技术领域，包括获取C‑Mn数据集；对C‑Mn数据集进行预处理及扩充；对自编码器进行改进；构建编码器与解码器网络模型；应用编码器模型进行特征提取；构建PCA模型；构建XGBoost模型；将自设定的成分工艺数据依次输入到训练完毕的XGBoost模型、PCA模型及解码器模型中，得到预测的显微组织预测图像。本发明通过在传统的自编码器结构中引入稠密卷积块构成DCB‑AE网络，通过基于DCB‑AE网络的数据降维与升维方法解决了传统AE网络对于大尺度图像拟合的问题，此外，结合机器学习模型提高了显微组织图像生成模型的泛化能力。
-
公开(公告)号：CN118446928A
公开(公告)日：2024-08-06
申请号：CN202410529213.7
申请日：2024-04-29
Applicant: 东北大学 , 中信金属股份有限公司 , 湖南华菱湘潭钢铁有限公司
Abstract: 本发明公开了一种基于CycleGan模型的IF钢金相照片晶界强化方法，属于材料性能预测技术领域，包括数据采集；数据处理；数据划分：将数据集按照数据划分策略划分为训练集和测试集；搭建CycleGan模型：利用两组传统生成对抗网络，分别优化最小化损失，得到两个域之间的两个数据转换函数模型；IF钢金相照片晶界强化：利用最终的CycleGan模型，对原始金相照片处理，去除金相试样表面存在的划痕，补全残缺的晶界。本发明采用上述方法，基于CycleGan模型，对不同域的两个数据集训练，得到模型结构，实现两个数据的相互转换，对于明晰IF钢晶界起到有利效果。
-
公开(公告)号：CN118314998A
公开(公告)日：2024-07-09
申请号：CN202410529220.7
申请日：2024-04-29
Applicant: 东北大学 , 中信金属股份有限公司 , 湖南华菱湘潭钢铁有限公司
Abstract: 本发明提供了一种融合物理冶金与数据驱动的热轧带钢力学性能预测方法，属于热轧材料力学性能预测研究领域，包括：获取热轧带钢的生产数据集，通过遗传算法优化的物理冶金模型计算热轧带钢的各组织成分占比；构建力学性能预测所需数据集并进行预处理，得到预处理后的数据集；将预处理后的数据集划分为训练集和测试集；构建随机森林模型，利用随机森林模型对训练集进行计算，获取最优参数，并对测试集进行力学性能预测。本发明采用上述的一种融合物理冶金与数据驱动的热轧带钢力学性能预测方法，将成分工艺参数与各相分数占比同时作为输入数据实现对钢材力学性能的预测，可有效提高力学性能预测精度，有助于实现工艺参数的优化，提高产品质量。
-
公开(公告)号：CN118314984A
公开(公告)日：2024-07-09
申请号：CN202410529223.0
申请日：2024-04-29
Applicant: 东北大学
IPC: G16C20/70 , G16C20/30 , G16C60/00 , G06V10/44 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据卷积特征融合的C‑Mn钢力学性能预测方法，属于钢材性能预测技术领域，包括以下步骤：构建初始多模态数据集；构建实际多模态数据集；将实际多模态数据集划分为训练集及测试集；利用多模态数据卷积特征融合的卷积神经网络模型对训练数据进行计算，优化模型参数，得到待预测的C‑Mn钢材力学性能预测模型并对测试数据进行计算，并对模型的泛化性能进行评估，得到待应用的基于多模态数据卷积特征融合的C‑Mn钢力学性能预测模型。本发明采用上述的一种基于多模态数据卷积特征融合的C‑Mn钢力学性能预测方法，通过不同维度的卷积神经网络模型有效的将成分工艺与显微组织图像数据信息进行耦合，提高了C‑Mn钢材力学性能的预测精度。
-
公开(公告)号：CN118298191A
公开(公告)日：2024-07-05
申请号：CN202410529226.4
申请日：2024-04-29
Applicant: 东北大学
IPC: G06V10/44 , G06V20/69 , G06V10/774 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种基于Seg‑Net模型的提取方法在提取钢铁微观组织特征中的应用，属于铁金相图像分析和处理技术领域，包括以下步骤：将获得的金相照片划分为训练集和测试集；采用深度学习模型对训练集数据进行训练，结合数据增强等手段对训练数据集进行扩充，构建具有识别晶粒组织能力的深度学习模型；利用具有识别晶粒组织能力的深度学习模型对待识别的金相照片进行识别，得到待识别照片的显微组织信息。本发明采用上述一种基于Seg‑Net模型的提取方法在提取钢铁微观组织特征中的应用，通过对金相显微组织照片智能识别获取显微组织特征信息，可以简化由于传统获取方法造成的繁琐工作及时获取显微组织信息的同时兼具较高的精度。
-
Patent Agency Ranking
公开(公告)号：CN118298978B
公开(公告)日：2025-02-28
申请号：CN202410529210.3
申请日：2024-04-29
Applicant: 东北大学 , 中信金属股份有限公司 , 湖南华菱湘潭钢铁有限公司
Abstract: 本发明公开了一种物理冶金指导的热轧钢材力学性能机器学习方法，属于钢板生产和数据统计建模的交叉领域，包括：采集热轧钢板数据并对数据进行预处理；基于钢板数据和物理冶金学理论计算物理冶金参数；采用粒子群优化算法优化力学性能计算模型参数，构建力学性能预测模型。本发明采用上述的一种物理冶金指导的热轧钢材力学性能机器学习方法，搭建高质量数据集，选择最优算法建模对力学性能进行预测，实现指导钢板生产。
-
公开(公告)号：CN116779062A
公开(公告)日：2023-09-19
申请号：CN202310707270.5
申请日：2023-06-14
Applicant: 东北大学
Abstract: 本发明公开了基于MOEA/D智能优化算法的热轧带钢生产工艺动态优化方法，包括S1、建立工艺优化基础数据平台；S2、基于工艺优化基础数据平台建立预测模型；S3、根据实际生产工艺要求，设定力学性能预测模型输入参数的范围；S4、基于设定的热轧带钢工艺参数优化设计方案，建立多目标优化策略数学模型；S5、基于MOEA/D智能优化算法对多目标数学模型进行求解，得出合理的工艺参数计算值；S6、根据计算求解的工艺参数值，调整实际生产工艺设定值。本发明采用上述基于MOEA/D智能优化算法的热轧带钢生产工艺动态优化方法，根据实际性能需求，实现工艺参数的及时、精确和高效率优化，有助于提高热轧带钢生产工艺参数选择的科学性，提高热轧带钢力学性能的稳定性。
-
公开(公告)号：CN118314998B
公开(公告)日：2025-02-18
申请号：CN202410529220.7
申请日：2024-04-29
Applicant: 东北大学 , 中信金属股份有限公司 , 湖南华菱湘潭钢铁有限公司
Abstract: 本发明提供了一种融合物理冶金与数据驱动的热轧带钢力学性能预测方法，属于热轧材料力学性能预测研究领域，包括：获取热轧带钢的生产数据集，通过遗传算法优化的物理冶金模型计算热轧带钢的各组织成分占比；构建力学性能预测所需数据集并进行预处理，得到预处理后的数据集；将预处理后的数据集划分为训练集和测试集；构建随机森林模型，利用随机森林模型对训练集进行计算，获取最优参数，并对测试集进行力学性能预测。本发明采用上述的一种融合物理冶金与数据驱动的热轧带钢力学性能预测方法，将成分工艺参数与各相分数占比同时作为输入数据实现对钢材力学性能的预测，可有效提高力学性能预测精度，有助于实现工艺参数的优化，提高产品质量。
-
公开(公告)号：CN118314234A
公开(公告)日：2024-07-09
申请号：CN202410529215.6
申请日：2024-04-29
Applicant: 东北大学
IPC: G06T11/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06V10/44 , G06V10/77 , G06N5/01 , G06N20/20 , G06N3/08
Abstract: 本发明公开了一种改进自编码器网络的C‑Mn钢显微组织图像生成方法，属于钢铁显微组织图像预测技术领域，包括获取C‑Mn数据集；对C‑Mn数据集进行预处理及扩充；对自编码器进行改进；构建编码器与解码器网络模型；应用编码器模型进行特征提取；构建PCA模型；构建XGBoost模型；将自设定的成分工艺数据依次输入到训练完毕的XGBoost模型、PCA模型及解码器模型中，得到预测的显微组织预测图像。本发明通过在传统的自编码器结构中引入稠密卷积块构成DCB‑AE网络，通过基于DCB‑AE网络的数据降维与升维方法解决了传统AE网络对于大尺度图像拟合的问题，此外，结合机器学习模型提高了显微组织图像生成模型的泛化能力。
-
公开(公告)号：CN118298978A
公开(公告)日：2024-07-05
申请号：CN202410529210.3
申请日：2024-04-29
Applicant: 东北大学 , 中信金属股份有限公司 , 湖南华菱湘潭钢铁有限公司
Abstract: 本发明公开了一种物理冶金指导的热轧钢材力学性能机器学习方法，属于钢板生产和数据统计建模的交叉领域，包括：采集热轧钢板数据并对数据进行预处理；基于钢板数据和物理冶金学理论计算物理冶金参数；采用粒子群优化算法优化力学性能计算模型参数，构建力学性能预测模型。本发明采用上述的一种物理冶金指导的热轧钢材力学性能机器学习方法，搭建高质量数据集，选择最优算法建模对力学性能进行预测，实现指导钢板生产。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
