[發(fā)明專利]適用于深度模型訓練的燒結(jié)工藝產(chǎn)品質(zhì)量特征處理方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 202010982479.9 | 申請日： | 2020-09-17 |
| 公開（公告）號： | CN112214925A | 公開（公告）日： | 2021-01-12 |
| 發(fā)明（設計）人： | 顧徐波;王闖;馬元巍;宋怡然 | 申請（專利權(quán)）人： | 上海微億智造科技有限公司;常州微億智造科技有限公司 |
| 主分類號： | G06F30/27 | 分類號： | G06F30/27;G06N3/08;B22F3/10 |
| 代理公司： | 上海段和段律師事務所 31334 | 代理人： | 李佳俊;郭國中 |
| 地址： | 201100 上海*** | 國省代碼： | 上海;31 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 適用于 深度 模型 訓練 燒結(jié) 工藝 產(chǎn)品質(zhì)量 特征 處理 方法 系統(tǒng) | ||
1.一種適用于深度模型訓練的燒結(jié)工藝產(chǎn)品質(zhì)量特征處理方法，其特征在于，包括：
步驟S1：整理已完成設定爐次燒結(jié)生產(chǎn)數(shù)據(jù)，包括每爐次燒結(jié)爐控制參數(shù)及對應產(chǎn)品性能數(shù)據(jù)，形成相關的數(shù)據(jù)庫；
步驟S2：進行數(shù)據(jù)挖掘，特征分析，將數(shù)據(jù)庫信息轉(zhuǎn)化為模型所需的輸入，輸出特征；
步驟S3：搭建深度學習模型，建立網(wǎng)絡結(jié)構(gòu)拓撲，獲取網(wǎng)絡層數(shù)信息、神經(jīng)元數(shù)量信息、激活函數(shù)信息、dropout參數(shù)信息；
步驟S4：獲得適用于深度模型訓練的燒結(jié)工藝產(chǎn)品質(zhì)量特征處理結(jié)果信息，以及設定工況下燒結(jié)產(chǎn)品各項性能信息。
2.根據(jù)權(quán)利要求1所述的適用于深度模型訓練的燒結(jié)工藝產(chǎn)品質(zhì)量特征處理方法，其特征在于，所述步驟S3包括：
步驟S3.1：整理已完成N爐次燒結(jié)生產(chǎn)數(shù)據(jù)，將整理的N爐次輸入輸出數(shù)據(jù)，拿出X組作為測試集，并將余下的N-X組分為訓練集、驗證集；
其中，N為爐次，X為測試集的組序號；
步驟S3.2：利用搭建的深度學習模型對N-X爐數(shù)據(jù)的訓練集和驗證集進行訓練驗證，根據(jù)模型驗證結(jié)果是否滿足要求；
步驟S3.3:若否，根據(jù)網(wǎng)絡結(jié)構(gòu)調(diào)整控制信息，調(diào)整網(wǎng)絡結(jié)構(gòu)；
所述網(wǎng)絡結(jié)構(gòu)調(diào)整控制信息包括：
-層數(shù)調(diào)整控制信息；
-神經(jīng)元數(shù)量控制信息；
根據(jù)不同輸入特征特性，調(diào)整激活函數(shù)類型；
所述激活函數(shù)類型包括：
-relu；
-tanh；
-sigmoid。
3.根據(jù)權(quán)利要求1所述的適用于深度模型訓練的燒結(jié)工藝產(chǎn)品質(zhì)量特征處理方法，其特征在于，所述步驟S2包括：
步驟S3.4：若是，則利用X爐的的試驗結(jié)果對模型進行測試；
步驟S3.5：判定模型循環(huán)訓練-驗證及測試次數(shù)是否達到N-X次，若否，則繼續(xù)抽取下一輪的X爐數(shù)據(jù)作為測試集，N-X爐數(shù)據(jù)作為訓練和驗證集。
4.根據(jù)權(quán)利要求1所述的適用于深度模型訓練的燒結(jié)工藝產(chǎn)品質(zhì)量特征處理方法，其特征在于，所述步驟S3包括：
步驟S3.6：判定模型循環(huán)訓練-驗證及測試次數(shù)是否達到N-X次，若是，則檢驗模型測試結(jié)果是否滿足要求。
5.根據(jù)權(quán)利要求1所述的適用于深度模型訓練的燒結(jié)工藝產(chǎn)品質(zhì)量特征處理方法，其特征在于，
所述步驟S3包括：
步驟S3.7：若測試結(jié)果不滿足要求，則重新調(diào)整網(wǎng)絡結(jié)構(gòu)及參數(shù)；
步驟S3.8：若測試結(jié)果滿足要求，則利用該模型對特定控制參數(shù)下的樣品性能進行預測，獲取預測結(jié)果信息。
6.一種適用于深度模型訓練的燒結(jié)工藝產(chǎn)品質(zhì)量特征處理系統(tǒng)，其特征在于，包括：
模塊M1：整理已完成設定爐次燒結(jié)生產(chǎn)數(shù)據(jù)，包括每爐次燒結(jié)爐控制參數(shù)及對應產(chǎn)品性能數(shù)據(jù)，形成相關的數(shù)據(jù)庫；
模塊M2：進行數(shù)據(jù)挖掘，特征分析，將數(shù)據(jù)庫信息轉(zhuǎn)化為模型所需的輸入，輸出特征；
模塊M3：搭建深度學習模型，建立網(wǎng)絡結(jié)構(gòu)拓撲，獲取網(wǎng)絡層數(shù)信息、神經(jīng)元數(shù)量信息、激活函數(shù)信息、dropout參數(shù)信息；
模塊M4：獲得適用于深度模型訓練的燒結(jié)工藝產(chǎn)品質(zhì)量特征處理結(jié)果信息，以及設定工況下燒結(jié)產(chǎn)品各項性能信息。
該專利技術資料僅供研究查看技術是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海微億智造科技有限公司;常州微億智造科技有限公司，未經(jīng)上海微億智造科技有限公司;常州微億智造科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010982479.9/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
