-
题名基于深度学习和注意力机制的漏钢预报研究
被引量：1
- 1
-
-
作者
吴恒
张本国
余浩辰
张瑞忠
范利锋
-
机构
盐城工学院机械工程学院
河钢集团钢研总院工艺研究所
内蒙古大学交通学院
-
出处
《冶金能源》
北大核心
2025年第3期61-66,共6页
-
基金
国家自然科学基金资助项目(52161022)
江苏省基础研究计划资助项目(BK20150429)。
-
文摘
为提高漏钢预报系统准确度,分析了热电偶的单偶时间序列特征与组偶空间联动特征,采用CNN对数据进行特征提取,再将时间序列温度特征作为BIGRU输入,构建CNN-BIGRU网络,并在输出端前引入MA机制。针对CNN-BIGRU网络易陷入局部最优解问题,利用BO算法寻找CNN-BIGRU网络最优超参数组合,建立了BO-CNN-BIGRU-MA网络模型,并将其应用到连铸漏钢预报系统。结合实际连铸生产数据,对该漏钢预报模型进行测试。结果表明,该连铸漏钢预报系统的准确率为99.5%,报出率达到100%。
-
关键词
漏钢预报
卷积神经网络
双向门控循环单元网络
贝叶斯优化
多头自注意力机制
-
Keywords
steel breakout prediction
convolutional neural network
bidirectional gate recurrent unit network
Bayesian optimization
multi-head self-attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
