【技术实现步骤摘要】
本专利技术涉及质量预测,尤其是指一种用于装药质量预测的模型训练方法、装置、设备和介质。
技术介绍
1、随着兵工技术的不断发展,大量现代高性能武器装备涌现出来,其中影响这些武器性能最重要的因素之一就是装药质量。目前,大多数装药工艺研发较为传统,对装药质量的测量主要以排水法等较为传统的方法测量,从而造成了生产工艺繁琐、生产周期长、生产效率较低等问题。
2、近年来,机器学习和深度学习在质量预测领域应用得越来越广泛,但是在装药压制成型质量预测领域的应用较少,并且传统的预测模型对装药质量预测的准确度较低。
技术实现思路
1、本专利技术的目的是提供一种用于装药质量预测的模型训练方法、装置、设备和介质,用于解决现有技术中测量装药质量的效率和准确度均较低的问题。
2、为了解决上述技术问题,本专利技术实施例提供一种用于装药质量预测的模型训练方法,包括:
3、获取历史装药数据集,所述历史装药数据集包括装药的工艺参数数据和对应的质量数据;
4、根据交叉验证方法,将
...【技术保护点】
1.一种用于装药质量预测的模型训练方法,其特征在于,包括:
2.根据权利要求1所述的用于装药质量预测的模型训练方法,其特征在于,获取历史装药数据集之前,所述方法还包括:
3.根据权利要求1所述的用于装药质量预测的模型训练方法,其特征在于,根据交叉验证方法,将所述历史装药数据集划分为多组训练集和多个测试集,包括:
4.根据权利要求1所述的用于装药质量预测的模型训练方法,其特征在于,基于贝叶斯优化算法,通过多组所述训练集对支持向量回归模型进行训练,获得多个训练模型,包括:
5.根据权利要求4所述的用于装药质量预测的模型训练方
...【技术特征摘要】
1.一种用于装药质量预测的模型训练方法,其特征在于,包括:
2.根据权利要求1所述的用于装药质量预测的模型训练方法,其特征在于,获取历史装药数据集之前,所述方法还包括:
3.根据权利要求1所述的用于装药质量预测的模型训练方法,其特征在于,根据交叉验证方法,将所述历史装药数据集划分为多组训练集和多个测试集,包括:
4.根据权利要求1所述的用于装药质量预测的模型训练方法,其特征在于,基于贝叶斯优化算法,通过多组所述训练集对支持向量回归模型进行训练,获得多个训练模型,包括:
5.根据权利要求4所述的用于装药质量预测的模型训练方法,其特征在于,根据每一个所述支持向量回归模型的预设参数,基于贝叶斯优化算法确定每一个所述支持向量回归模型的最优参数,获得多个训练模型,包括:
6.根据权利要求1所述的用于装药质量预测的模型训练方法,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。