[发明专利]一种基于应用分析的冷轧钢带制备方法及系统

权利要求书

1.一种基于应用分析的冷轧钢带制备方法，其特征在于，所述方法包括：

采集获得冷轧钢带的应用场景信息；

对所述应用场景信息进行要素提取，获得预设应用场景要素；

将所述预设应用场景要素输入冷轧钢带应用分析模型中，获得冷轧钢带应用效果信息，其中，所述冷轧钢带应用分析模型为循环神经网络模型；

构建冷轧钢带制备成分方案库；

根据所述冷轧钢带应用效果信息和所述冷轧钢带制备成分方案库进行匹配，获得冷轧钢带制备成分方案集合；

基于遗传算法对所述冷轧钢带制备成分方案集合中的成分参数进行计算，获得预测应用效果信息；

根据所述预测应用效果信息进行筛选确定，获得第一冷轧钢带制备方案，并基于所述第一冷轧钢带制备方案进行冷轧钢带生产管理。

2.如权利要求1所述的方法，其特征在于，所述获得第一冷轧钢带制备方案，包括：

根据所述冷轧钢带制备成分方案集合，获得制备成分参数取值阈值；

从所述制备成分参数取值阈值中随机获得N个制备成分参数，其中，N为正整数；

根据遗传算法对所述N个制备成分参数进行计算，获得N个预测应用效果信息，其中，所述N个预测应用效果信息与所述N个制备成分参数一一对应；

将所述N个预测应用效果信息和所述冷轧钢带应用效果信息进行对比，获得第一制备成分参数，其中，所述第一制备成分参数对应的预测应用效果信息与所述冷轧钢带应用效果信息的相似度最大；

如果所述第一制备成分参数对应的预测应用效果信息与所述冷轧钢带应用效果信息的相似度满足相似度要求，根据所述第一制备成分参数确定所述第一冷轧钢带制备方案。

3.如权利要求1所述的方法，其特征在于，所述方法包括：

根据所述冷轧钢带制备方案和所述冷轧钢带的生产要求信息，获得冷轧钢带生产工艺信息；

对所述冷轧钢带的生产条件进行评估，获得生产能力系数；

根据所述冷轧钢带生产工艺信息和所述生产能力系数，设置寻优约束条件；

根据所述寻优约束条件，设置方案寻优空间；

基于寻优评价参数，在所述方案寻优空间内对进行寻优修正，获得第二冷轧钢带制备方案。

4.如权利要求3所述的方法，其特征在于，所述方法包括：

基于所述冷轧钢带应用效果信息，获得多维应用指标属性集合；

根据所述多维应用指标属性集合进行关键度评估，获得应用指标属性关键度分配结果；

根据应用指标属性关键度分配结果和所述多维应用指标属性集合，确定所述寻优评价参数。

5.如权利要求1所述的方法，其特征在于，所述方法包括：

获得历史应用场景要素集合；

获得循环神经网络的初始隐藏层值，基于所述初始隐藏层值获得第一输入权重矩阵；

将所述历史应用场景要素集合作为输入层信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练；

将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值，依次迭代训练，构建所述冷轧钢带应用分析模型。

6.如权利要求5所述的方法，其特征在于，所述方法包括：

将所述历史应用场景要素集合按照预设划分规则划分，获得数据训练样本、数据验证样本和数据测试样本；

采用所述数据训练样本、数据验证样本和数据测试样本对所述冷轧钢带应用分析模型进行监督训练、验证和测试，至所述冷轧钢带应用分析模型的输出结果的准确率达到预设要求，获得所述冷轧钢带应用分析模型；

评估所述冷轧钢带应用分析模型的稳定性，若所述稳定性符合预设稳定性要求，则将所述冷轧钢带应用分析模型投入使用。

7.如权利要求6所述的方法，其特征在于，所述方法包括：

基于所述冷轧钢带的应用等级信息，选择数据加密算法；

根据所述数据加密算法对所述历史应用场景要素集合进行数据加密；

基于数据加密后的所述历史应用场景要素集合进行模型迭代训练，获得所述冷轧钢带应用分析模型。