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！

龙图腾网获悉中南大学;宝山钢铁股份有限公司申请的专利一种基于卷积神经网络的烧结混合料槽料位预测方法、系统及存储器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：CN119335853B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202411378000.5，技术领域涉及：G05B13/04；该发明授权一种基于卷积神经网络的烧结混合料槽料位预测方法、系统及存储器是由向家发;范晓慧;周茂军;彭梓塘;安菁翠;黄晓贤;胡滨;陈许玲设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的烧结混合料槽料位预测方法、系统及存储器在说明书摘要公布了：本发明公开了一种基于卷积神经网络的烧结混合料槽料位预测方法、系统及存储器。该方法通过随机森林算法筛选了与混合料槽料位相关的特征变量作为模型输入参数，并对输入变量时间序列数据进行自相关性分析，构建了二维特征变量矩阵；将二维矩阵输入预先训练好的基于卷积神经网络的混合料槽料位预测模型中，获得混合料槽料位输出；基于上述方法，本发明开发了烧结混合料槽料位预测系统，该系统可以提前预报混合料槽料位，为操作人员及时发现混合料槽料位变化，对操作参数做出准确调控提供重要依据。

本发明授权一种基于卷积神经网络的烧结混合料槽料位预测方法、系统及存储器在权利要求书中公布了：1.一种基于卷积神经网络的烧结混合料槽料位预测方法，其特征在于，包括： 步骤S1：获取烧结过程数据，将数据划分为训练集和测试集后，通过训练集筛选与混合料槽料位相关的i组特征参数； 步骤S2：按照时间间隔提取各组特征参数中各特征参数1~T组数据，并堆叠为i*T的二维特征参数矩阵； 步骤S3：将所得二维特征变量矩阵输入卷积神经网络模型，构建混合料槽料位预测模型，并通过测试集测试，即得； 所述通过训练集筛选与混合料槽料位相关的i组特征参数的过程包括： 步骤S1-1：将烧结过程数据经过预处理和标准化处理后，随机划分为3~4:1的训练集和测试集； 步骤S1-2：采用随机森林算法建立包括混合料水分、料层厚度在内的超过18种特征参数，计算每一种特征变量对于混合料槽料位的重要性指数； 步骤S1-3：将所有特征参数的重要性指数归一化处理后，选取大于阈值的特征，即得；随着特征参数个数增加，采用随机森林所建模型的均方误差有明显下降，且趋于平稳时，确定适宜的特征参数数量；将特征参数的重要性指数排序，此时特征参数重要性指数最小值确定为阈值。

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中南大学;宝山钢铁股份有限公司，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。