期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于实时机器学习算法的湿法冶金设备智能控制与故障检测模型设计研究
被引量：
1
1
作者
赵铮
《湿法冶金》
北大核心
2025年第2期222-229,共8页
针对当前湿法冶金设备控制和智能检测模型较为简单、泛化能力较弱等问题,提出了一种基于深度学习的湿法冶金设备智能控制和故障检测算法模型,首先利用基于SAC深度强化学习算法对湿法冶金设备进行智能控制,再根据智能控制的近期历史数据...
针对当前湿法冶金设备控制和智能检测模型较为简单、泛化能力较弱等问题,提出了一种基于深度学习的湿法冶金设备智能控制和故障检测算法模型,首先利用基于SAC深度强化学习算法对湿法冶金设备进行智能控制,再根据智能控制的近期历史数据,采用改进ARIMA算法对设备进行故障检测。为了进一步提升算法的实时性,引入LoRA微调网络对模型进行低参数微调和加速,LoRA微调网络对模型进行低参数微调和加速。该模型对设备智能化控制精度达93.24%,故障检测准确率达91.34%,实际应用效果较好。
展开更多
关键词
实时机器学习
SAC
ARIMA
LoRA
在线阅读
下载PDF
职称材料
基于改进CNN-Bi-LSTM模型故障诊断与改进随机森林模型的湿法冶金流程评价研究
2
作者
郭静博
《湿法冶金》
北大核心
2025年第4期567-575,共9页
为解决目前的故障诊断模型较为简单、泛化能力较弱等问题,采用改进CNN-Bi-LSTM模型进行湿法冶金流程故障诊断,再根据故障诊断的结果数据,采用改进随机森林模型进行湿法冶金全流程的评价。结果表明:故障诊断准确率达90.7%,远超该工厂原...
为解决目前的故障诊断模型较为简单、泛化能力较弱等问题,采用改进CNN-Bi-LSTM模型进行湿法冶金流程故障诊断,再根据故障诊断的结果数据,采用改进随机森林模型进行湿法冶金全流程的评价。结果表明:故障诊断准确率达90.7%,远超该工厂原有基于经验规则的诊断系统的准确率(78.4%),且模型的故障检测响应时间控制在2 s内,确保了工艺过程中的实时监控和快速响应。
展开更多
关键词
CNN-Bi-LSTM
随机森林
数值仿真
实证研究
故障诊断
在线阅读
下载PDF
职称材料
题名
基于实时机器学习算法的湿法冶金设备智能控制与故障检测模型设计研究
被引量：
1
1
作者
赵铮
机构
平顶山职业技术学院计算机科学与应用系
出处
《湿法冶金》
北大核心
2025年第2期222-229,共8页
文摘
针对当前湿法冶金设备控制和智能检测模型较为简单、泛化能力较弱等问题,提出了一种基于深度学习的湿法冶金设备智能控制和故障检测算法模型,首先利用基于SAC深度强化学习算法对湿法冶金设备进行智能控制,再根据智能控制的近期历史数据,采用改进ARIMA算法对设备进行故障检测。为了进一步提升算法的实时性,引入LoRA微调网络对模型进行低参数微调和加速,LoRA微调网络对模型进行低参数微调和加速。该模型对设备智能化控制精度达93.24%,故障检测准确率达91.34%,实际应用效果较好。
关键词
实时机器学习
SAC
ARIMA
LoRA
Keywords
real-time machine learning
SAC
ARIMA
LoRA
分类号
TF803.21 [冶金工程—有色金属冶金]
在线阅读
下载PDF
职称材料
题名
基于改进CNN-Bi-LSTM模型故障诊断与改进随机森林模型的湿法冶金流程评价研究
2
作者
郭静博
机构
平顶山职业技术学院计算机科学与应用系
出处
《湿法冶金》
北大核心
2025年第4期567-575,共9页
基金
河南省高等学校重点科研项目(23B880046)
河南省大中专院校就业创业课题(JYB2023270)。
文摘
为解决目前的故障诊断模型较为简单、泛化能力较弱等问题,采用改进CNN-Bi-LSTM模型进行湿法冶金流程故障诊断,再根据故障诊断的结果数据,采用改进随机森林模型进行湿法冶金全流程的评价。结果表明:故障诊断准确率达90.7%,远超该工厂原有基于经验规则的诊断系统的准确率(78.4%),且模型的故障检测响应时间控制在2 s内,确保了工艺过程中的实时监控和快速响应。
关键词
CNN-Bi-LSTM
随机森林
数值仿真
实证研究
故障诊断
Keywords
CNN-Bi-LSTM
random forest
numerical simulation
empirical study
fault diagnosis
分类号
TF803.2 [冶金工程—有色金属冶金]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于实时机器学习算法的湿法冶金设备智能控制与故障检测模型设计研究
赵铮
《湿法冶金》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于改进CNN-Bi-LSTM模型故障诊断与改进随机森林模型的湿法冶金流程评价研究
郭静博
《湿法冶金》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
