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！

龙图腾网获悉江苏大学申请的专利一种基于VMD和改进DA-RNN的激光熔覆熔池形貌预测方法和系统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：CN116108947B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211310225.8，技术领域涉及：G06Q10/04；该发明授权一种基于VMD和改进DA-RNN的激光熔覆熔池形貌预测方法和系统是由许桢英;张雨轩;韩丽玲;李林航;陶宇成;刘清华设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种基于VMD和改进DA-RNN的激光熔覆熔池形貌预测方法和系统在说明书摘要公布了：本发明提供一种基于VMD和改进DA‑RNN的激光熔覆过程熔池形貌信息预测方法和系统，包括以下步骤：S1：连续采集所述熔池动态视频中的熔池形貌信息，得到熔池形貌信息数据；S2：通过变分模态分解VMD对熔池形貌信息数据进行预处理，将原始数据分解成K个不同的子序列；S3：将分解的不同的子序列作为数据特征变量构建VMD数据集，划分成训练集、验证集和测试集；S4：建立DA‑RNN预测网络模型，并在数据集上进行训练和预测；S5：采用平均绝对百分比误差和均方误差对DA‑RNN预测网络模型进行量化评估；S6：利用预测网络模型对激光熔覆熔池形貌信息进行预测。本发明不仅能有效地提取数据特征，降低数据的复杂性，并能有效提高熔池形貌预测模型精度。

本发明授权一种基于VMD和改进DA-RNN的激光熔覆熔池形貌预测方法和系统在权利要求书中公布了：1.一种基于VMD和改进DA-RNN的激光熔覆熔池形貌预测方法，其特征在与，包括以下步骤： 步骤S1：数据采集：分析利用高速相机增材制造过程中熔池动态视频，连续采集所述熔池动态视频中的熔池形貌信息，得到熔池形貌信息数据； 步骤S2：数据预处理：通过变分模态分解VMD对熔池形貌信息数据进行预处理，将原始数据序列信号分解成K个不同的子序列； 步骤S3：构建数据集：将分解的不同的子序列作为数据特征变量构建VMD数据集，将VMD数据集划分成训练集、验证集和测试集； 步骤S4：DA-RNN预测网络模型的建立和训练：利用GRU单元代替原本的LSTM单元建立改进的DA-RNN预测网络模型，并在VMD构建的数据集上进行训练和预测； 步骤S5：DA-RNN预测网络模型评估：采用平均绝对百分比误差MAPE指标和均方误差MSE指标对改进的DA-RNN预测网络模型的预测能力进行量化评估； 步骤S6：激光熔覆熔池形貌预测：利用DA-RNN预测网络模型对激光熔覆熔池形貌信息进行预测； 所述步骤S4所述改进的DA-RNN预测网络xk模型具体实现过程为： 步骤S4.1：改进的DA-RNN预测网络为双阶段注意力机制的循环神经网络，选取滑窗长度为W，滑窗内的时间表示为tw，tw＝T-W+1，T-W+2，…，T，其中T为当前时刻，通过注意力机制设计不同权重因子αtw来表示特征Xtw对目标变量Ytw的影响程度，将其重构后作为编码器的输入； 步骤S4.2：将多个GRU门循环单元代替原始的多个LSTM单元作为网络的编码器，每个GRU单元的输入为滑窗内一个时刻的重构相关变量，编码器输出部分为隐藏向量h； 步骤S4.3：通过注意力机制设计不同权重因子βtw来分配滑窗内的不同时刻的隐藏向量ht对目标变量Ytw的影响程度，得到语义向量C，使用线性回归模型整合语义向量与目标变量历史值作为解码器的输入； 步骤S4.4：解码器部分为多个GRU门单元，输出为当前时刻T的隐藏状态dt，再通过全连接层做回归得到未来时刻目标变量的估计值； 所述步骤S4.2中改进的DA-RNN网络中利用GRU单元替换掉原始的LSTM单元的GRU更新公式包括： 重置门：rt＝σxtWxr+Ht-1Whr+br 更新门：zt＝σxtWxz+Ht-1Whz+bz 候选隐藏层状态： 最终隐藏层状态： 其中rt表示t时刻重置门的信息，zt表示t时刻更新门的信息，表示t时刻隐藏门的信息，Ht-1为前一时刻的GRU隐藏状态，⊙为按元素相乘；σ为sigmoid函数，Wxr、Whr、Wxz、Whz、Whx、Whh为计算过程中的权值矩阵，br、bz、bh为偏置，xt为在t时刻的输入，Ht-1为前一时刻的GRU隐藏状态，ht为目前最终隐藏层状态。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。