买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉鞍钢集团北京研究院有限公司;鞍钢股份有限公司申请的专利一种基于人工标签的智能热轧工艺优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119426360B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411729813.4，技术领域涉及：B21B1/22；该发明授权一种基于人工标签的智能热轧工艺优化方法是由赵阳;宋君;王奎越;刘旭明;高鹏飞;刘宝权;高磊;张守峰设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于人工标签的智能热轧工艺优化方法在说明书摘要公布了：本发明涉及一种基于人工标签的智能热轧工艺优化方法，包括进行标签化影响因素分析，指定标签化判定标准，认定标签化责任人，进行标签化工艺标准规范，进行标签化数据采集，数据清晰及数据前处理，构建机器学习方案，进行数据训练，将当前设备工况标签输入HMI，最优化工艺求解及应用；本发明利用训练出的模型进行实时在线的轧制力预测，提高轧制力预测精度，充分考虑了设备的不可控因素，通过人工标签化的形式，将设备的不可控因素引入到机器学习的算法中，更加符合真实情况，决策结果也更加准确，使训练数据与最新状态不同时，也可以得到较好的训练结果。

本发明授权一种基于人工标签的智能热轧工艺优化方法在权利要求书中公布了：1.一种基于人工标签的智能热轧工艺优化方法，其特征在于，包括如下步骤： S1、标签确定：进行标签化影响因素分析，制定标签化判定标准，认定标签化责任人，进行标签化工艺标准规范，具体包括如下步骤： S11、分析热轧轧机能够遇到的各种生产故障，包括轧辊偏心、轧辊表面缺陷、轧辊轴承故障、液压故障、温度检测故障、加热炉加热不均、辊道跑偏、板形缺陷故障和自动化控制系统故障； S12、根据生产过程中对生产影响因素的大小，对各个故障进行甄别，判断是否对生产工艺阐述影响； S13、将数据采集的目的介绍给现场的操作人员，并根据其对轧制力的影响大小进行初步的量化判定； S14、对需要标签化的工艺问题进行试卷化，对操作人员进行标准规范； S15、对操作人员进行标准规范培训，在采集数据阶段，保证数据的准确性； S2、数据采集：采集不少于3个月时间的热轧带钢生产数据，与人工标签相结合构建基础数据平台，具体包括如下步骤： S21、由操作人员确定采集数据阶段的设备状态； S22、每日采集数据后，人工再对当日数据进行复核，判断数据的准确性，确保人工标签化的数据与生产实际情况一致； S3、数据前处理：对采集集到的生产数据进行数据预处理，具体包括如下步骤： S31、属性初筛：根据先验知识和数据缺失情况，从原始数据中筛选后续建模的属性； S32、异常值处理：正值的属性出现了非正值的异常时，将所有该类型属性的非正值替换成空值； S33、负数值处理：同时存在正负数值的属性，将所有该类型属性转化成绝对值； S4、构建机器学习方案：选择具有标签扩展性的机器学习方案对数据进行分类，确定训练数据集和验证数据集，具体包括如下步骤： S41、随机抽样训练子集构建决策树： 从原始训练数据集D中随机抽取多个样本子集Dii=1,2,……，n，其中n为决策树的数量来构建决策树，对于样本子集Di，从该子集中随机选择特征进行节点分裂,共有m个特征，每次随机选择，k个特征，用于评估分裂标准；采用分裂准则确定最佳分裂点，在节点分裂时，选择使得分裂后子节点基尼指数之和最小的特征和分裂点进行分裂； S42、集成决策树进行预测：构建完多个决策树后，随机森林通过集成这些决策树的预测结果来进行最终的预测，对于分类问题，采用投票法，对于回归问题，采用平均法； S44、评估特征重要性： 采用平均不纯度减少法来衡量特征重要性，对于每棵决策树，计算每个特征在节点分裂时带来的不纯度减少量，然后对所有决策树求平均； S5、数据训练：基于机器学习算法对工艺问题的数据进行训练，获得工艺模型，利用验证数据集对模型结果进行验证； S6、当前设备工况标签确定：基于S1所确定的标签标注，对当前设备的状态进行标签化； S7、当前全部设备正常运行时工艺求解：利用S5训练好的机器学习模型，对S6的设备工况标签以及待生产的生产数据进行求解，得到当前设备状态下的最优工艺解。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人鞍钢集团北京研究院有限公司;鞍钢股份有限公司，其通讯地址为：100000 北京市昌平区北京未来科技城北区鞍钢未来钢铁研究院内；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。