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！

龙图腾网获悉东北大学申请的专利一种基于深度置信网络的冷轧板形概率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：CN116727457B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310723850.3，技术领域涉及：B21B37/28；该发明授权一种基于深度置信网络的冷轧板形概率预报方法是由彭良贵;李长生;陈亚飞;覃业辉;冯平杰设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种基于深度置信网络的冷轧板形概率预报方法在说明书摘要公布了：本发明提供一种基于深度置信网络的冷轧板形概率预报方法，涉及冶金自动化技术领域。该方法首先根据板形辊检测单元数量，确定板形预报所需的Softmax分类器数量；并进行板形统计和网格划分，得到Softmax分类器的类别数量及类别概率标签向量；然后建立由多个RBM层叠并与各Softmax分类器进行全连接的深度置信网络作为板形预报网络；并以带钢轧制数据和板形控制数据作为网络输入，对层叠的RBM进行无监督学习。再以层叠的RBM网络整体输出值作为输入，分别对各Softmax分类器进行有监督学习。在利用板形预报网络进行板形预测时，以各分类器预报的类别最大概率值所处的网格板形中间值作为各单元板形的板形初始值，最后再按照板形自平衡原则确定各单元板形的板形预报值。

本发明授权一种基于深度置信网络的冷轧板形概率预报方法在权利要求书中公布了：1.一种基于深度置信网络的冷轧板形概率预报方法，其特征在于： 根据冷轧机组配置的板形辊检测单元数量，确定单元板形Softmax分类器数量； 根据历史轧制带钢的板形测量数据，统计各板形辊检测单元相应的板形值范围并进行网格划分，计算带钢板形值在各自对应的网格位置，并赋予各单元板形Softmax分类器的类别数和概率标签值； 建立由多个受限玻尔兹曼机RBM层叠并与各单元板形Softmax分类器进行全连接的集成式DBN深度置信网络作为冷轧板形预报网络； 以历史带钢轧制数据和板形控制数据作为冷轧板形预报网络输入，以类别概率标签值作为网络期望，对冷轧板形预报网络进行离线训练； 将经过验证后的冷轧板形预报网络用于冷轧板形预测，以各单元板形Softmax分类器中类别概率最大值所处的板形网格中间值作为各单元板形的板形值，再按照板形自平衡原则确定各单元板形的板形预报值； 所述方法包括以下步骤： 步骤1：根据冷轧机组配置的板形辊检测单元数量确定单元板形Softmax分类器数量M； 步骤2：建立冷轧板形预报网络所需训练数据集，每条记录由带钢轧制数据、板形控制数据和板形测量数据构成；所述带钢轧制数据包括带钢未轧制时的初始厚度，末机架的入口厚度、出口厚度、轧制力、入口张力、出口张力、轧制速度、电机力矩；所述带钢板形控制数据包括轧辊倾斜值、工作辊弯辊力、工作辊窜辊量、中间辊弯辊力、中间辊窜辊量；所述带钢板形测量数据包括各板形辊检测单元测量的带钢板形值； 步骤3：统计训练集中的带钢板形测量数据，获得各板形辊检测单元相应的板形值范围并进行网格划分，确定各单元板形Softmax分类器的类别数量；同时计算带钢板形值在各自对应的网格位置，赋予单元板形Softmax分类器的类别概率标签值； 步骤4：建立由N个受限玻尔兹曼机RBM层叠并与M个单元板形Softmax分类器进行全连接的集成式DBN深度置信网络作为冷轧板形预报网络； 步骤5：将训练集每条记录中的带钢轧制数据和板形控制数据作为冷轧板形预报网络的输入，并采用对比散度CD无监督学习算法逐层训练冷轧板形预报网络中层叠的RBM； 步骤6：将最后一层RBM的输出值作为输入，由训练集每条记录中的带钢板形测量值所对应的单元板形Softmax分类器的类别概率标签值作为期望，对单元板形Softmax分类器进行训练； 步骤7：重复步骤6，依次对各单元板形Softmax分类器进行训练； 步骤8：将经过训练后的集成式冷轧板形预报网络用于实际轧制板形预测，以各单元板形Softmax分类器预报的最大概率值所处的板形网格中间值作为各单元板形的板形值，再按照板形自平衡原则确定各单元板形的板形预报值。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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。