← 返回列表
基于神经网络的高炉炉缸高温熔体粘度预测方法及系统
摘要文本
本发明属于高温熔体性质预测技术领域，具体为一种基于神经网络的高炉炉缸高温熔体粘度预测方法及系统，以历史数据集的高温熔体的温度、成分、固相析出、液态结构作为输入变量，将高温熔体的粘度作为输出变量；选择SGD算法作为优化器，划分神经网络训练集、验证集和测试集，构建包括输入层、隐藏层和输出层的神经网络模型；调整隐藏层个数M、网络节点数目N，训练神经网络模型；选择相对误差、绝对误差、决定系数作为评价指标，基于各项评价指标的判别标准，获得训练效果良好的神经网络模型，实现待测高炉炉缸高温熔体粘度预测。本发明解决了现有半经验模型无法很好模拟多组元熔体粘度的问题，为高温粘度的预测提供新思路。 来源：马 克 数 据 网
申请人信息
- 申请人:北京科技大学
- 申请人地址:100083 北京市海淀区学院路30号
- 发明人: 北京科技大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于神经网络的高炉炉缸高温熔体粘度预测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410031144.7 |
| 申请日 | 2024/1/9 |
| 公告号 | CN117540663A |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G06F30/28 |
| 权利人 | 北京科技大学 |
| 发明人 | 范筱玥; 高善超; 张建良; 焦克新; 王翠; 张磊; 刘彦祥 |
| 地址 | 北京市海淀区学院路30号 |
专利主权项内容
1.一种基于神经网络的高炉炉缸高温熔体粘度预测方法，其特征在于，包括如下步骤：S1、以历史数据集的高温熔体的温度、成分、固相析出、液态结构作为输入变量，将高温熔体的粘度作为输出变量；划分神经网络训练集、验证集和测试集，构建包括输入层、隐藏层和输出层的神经网络模型；S2、调整隐藏层个数M、网络节点数目N，训练神经网络模型；选择相对误差、绝对误差、决定系数作为评价指标，基于各项评价指标的判别标准，获得训练效果良好的神经网络模型；S3、采用训练效果良好的神经网络模型实现待测高炉炉缸高温熔体粘度预测。 来源：马 克 数 据 网