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！

龙图腾网获悉南京钢铁股份有限公司;东北大学申请的专利一种基于贝叶斯网络的连铸坯质量预报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：CN114626673B 。

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：202210117535.1，技术领域涉及：G06Q10/0639；该发明授权一种基于贝叶斯网络的连铸坯质量预报方法是由吴建永;孟红记;王国柱;阳剑;孟德安;刘文红;杨恩蛟;胡振伟设计研发完成，并于2022-02-08向国家知识产权局提交的专利申请。

本一种基于贝叶斯网络的连铸坯质量预报方法在说明书摘要公布了：本发明公开了一种基于贝叶斯网络的连铸坯质量预报方法，涉及钢铁生产技术领域，通过分析工艺参数与铸坯质量的因果关系，确定参数与质量的评价指标，构建生产过程的评价体系；确定贝叶斯网络的拓扑结构，实现了对连铸生产过程各个节点的定性分析；对贝叶斯网络的参数学习，实现了对连铸生产过程各个节点的定性分析；利用推理引擎对贝叶斯网络进行推理分析，获取生产参数及质量缺陷的评价结果；以各生产参数或部分生产参数作为证据变量输入该模型，经过贝叶斯网络的正向推理分析，可以实现对铸坯质量的预测。

本发明授权一种基于贝叶斯网络的连铸坯质量预报方法在权利要求书中公布了：1.一种基于贝叶斯网络的连铸坯质量预报方法，其特征在于：包括： 1梳理连铸生产参数与连铸坯质量间的关系根据凝固机理和冶金知识，分析各工艺参数对铸坯质量缺陷影响； 2建立连铸工艺过程评价体系连铸工艺过程评价体系通常由所选取的各个评价指标及其自身各个层面的特性有机构成，分为质量缺陷层和生产参数层两个层级； 考虑贝叶斯网络的特点，对各个评价指标进行数据预处理和归一化，原始数据中各评价指标都是“连续性”的数据，需要对其进行离散化预处理； 离散化预处理具体为：首先，对原始数据进行数据透视处理，结合工业背景的研究分析，确定各个评价指标的离散化取值；其次，基于数据透视处理的结果以及所确定的离散化取值，进一步对评价指标进行分析，确定各个评价指标离散化的标准；最后，对原始数据进行归一化处理，并将其整合为归一化的数据集； 3基于贝叶斯网络的铸坯质量预报模型1采用基于评分搜索的结构学习算法对预报模型贝叶斯网络结构进行学习，搜索所有可能的贝叶斯网络结构，对各个可能的结构评分，根据评分结果指导下一轮的搜索，直至评分收敛；评分函数通过贝叶斯公式求解在给定数据集D条件下，网络结构的后验概率； 网络结构学习流程如下： 步骤1：确定初始网络结构模型； 步骤2：基于评分函数对每种可能的网络结构变化进行打分，找到数据集D与网络结构N_i联合概率最大的一种变化； 步骤3：根据所述步骤2修改网络结构模型； 步骤4：重复所述步骤2与所述步骤3，直到找到数据集D与网络结构联合概率最大值的网络结构为止； 结构学习的主要输入项包括：归一化的离散数据集、各节点可能的离散状态取值个数、节点顺序、最大父节点数，其中归一化的离散数据集是实际连铸生产数据经过处理后得到的；各节点可能的离散状态取值个数由评价体系所确定；节点顺序根据连铸过程中各个生产参数的顺序以及质量缺陷的相关性来确定，从中间包到结晶器再到二冷区，将生产参数排序，质量缺陷排在全部生产参数后面； 2铸坯质量预报模型中贝叶斯网络的参数学习； 在给定数据集D和获得贝叶斯网络拓扑结构的基础上，参数学习的主要步骤为： 步骤Ⅰ：确定网络参数的先验分布； 步骤Ⅱ：基于给定的数据集D，依据贝叶斯公式计算节点的后验分布： 考虑连铸工艺过程复杂，生产参数与质量缺陷的先验分布未知，采用最大似然估计获取对原始分布的无偏估计； 3铸坯质量预报模型中贝叶斯网络的逻辑推理，采用联合树推理引擎进行逻辑推理； 4以实际生产参数作为证据变量输入该模型，经过贝叶斯网络的正向推理分析，实现对铸坯质量的预测； 4基于贝叶斯网络的铸坯质量问题逆向溯源与铸坯质量预报模型相似，完成结构学习和参数学习后，对完整的贝叶斯网络基于联合树推理引擎进行逆向溯源，构建基于贝叶斯网络的铸坯质量逆向溯源模型；以铸坯质量缺陷作为证据变量，对连铸生产过程贝叶斯网络进行逆向溯源推理，得到各个生产参数节点的离散状态及其边缘概率分布，从而得到连铸工艺工程中生产参数的逆向溯源评价结果，寻找到影响产品质量的关键参数，为产品质量控制提供依据。

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南京钢铁股份有限公司;东北大学，其通讯地址为：210035 江苏省南京市六合区卸甲甸；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。