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！

龙图腾网获悉北京科技大学申请的专利一种基于深度学习的带钢卷形缺陷预测与诊断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：CN115796002B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211355587.9，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的带钢卷形缺陷预测与诊断方法是由荆丰伟;张孟洋;樊怡冰;冯占标;李杰设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本一种基于深度学习的带钢卷形缺陷预测与诊断方法在说明书摘要公布了：本发明公开了一种基于深度学习的带钢卷形缺陷预测与诊断方法，包括：采集带钢热连轧卷取过程中的生产数据；计算设备精度指标特征值并对计算结果进行预处理；基于孪生半监督学习网络构建带钢卷形质量预测模型，并利用预处理后的设备精度指标特征值数据进行训练；整理带钢卷形质量专业信息，借助知识图谱技术构建带钢热连轧卷形质量知识库；结合带钢卷形质量预测模型和带钢热连轧卷形质量知识库对待测带钢巻形缺陷进行实时预测与诊断，得到缺陷类型及对应处理措施。本发明基于带钢热连轧生产工业大数据，借助深度学习和知识图谱等技术实现带钢卷形缺陷实时判断和辅助决策，可提高产品质量控制和产线智能制造水平，推动钢铁行业数字工厂的建设进展。

本发明授权一种基于深度学习的带钢卷形缺陷预测与诊断方法在权利要求书中公布了：1.一种基于深度学习的带钢卷形缺陷预测与诊断方法，其特征在于，包括： 采集带钢热连轧卷取过程中的生产数据； 基于采集的带钢热连轧卷取过程中的生产数据，根据预设的设备工艺评价标准计算设备精度指标特征值，并对计算出的设备精度指标特征值进行预处理； 基于预设类型的深度学习网络构建带钢卷形质量预测模型，并利用预处理后的设备精度指标特征值数据对构建的带钢卷形质量预测模型进行训练；其中，所述带钢卷形质量预测模型用于根据预处理后的设备精度指标特征值数据重构带钢特征向量，并结合所述带钢特征向量预测带钢卷形质量； 整理带钢卷形质量专业信息，借助知识图谱技术构建带钢热连轧卷形质量知识库；其中，所述专业信息包括与卷形缺陷、成因以及诊断措施相关的信息； 结合训练好的带钢卷形质量预测模型和构建的带钢热连轧卷形质量知识库对待检测的带钢巻形缺陷进行实时预测与诊断，得到缺陷类型及对应处理措施； 所述设备精度指标特征值包括：侧导板头部、侧导板本体和侧导板尾部压力差、夹送辊辊缝实测值与设定值偏差，以及板形质量； 所述带钢卷形质量预测模型为孪生半监督学习网络； 所述带钢卷形质量预测模型包括重构层、卷积神经网络CNN层和预测层，重构层和CNN层构成数据重构与整合的孪生网络，预测层则负责根据孪生网络的输出计算出特征信息对不同卷形情况的隶属程度；其中，重构层采用两个相同的深度自编码器DAE作为对称网络；为了避免网络加深引起模型过拟合，得到CNN层的输出结果后，借助跳跃连接构建残差模块，保留DAE特征信息，并将对应向量拼接得到孪生网络输出结果：；式中，分别表示标准数据和实时数据经过重构层得到的中间特征向量，分别表示经过CNN层后的输出向量，表示对称网络拼接后的特征，此处应用将两个特征拼接。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；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。