基于SSAE-LSTM模型的冷连轧机扭振预测

轧机振动预测模型性能依赖于从输入变量中提取的特征。针对冷连轧机振动数据样本大、非线性强的特点,且在时间上具有前后依赖关系,提出了一种基于SSAE-LSTM的轧机扭振预测方法。首先,对于同种参数数值差异较小、关系表征不明显的轧制过程参数,使用栈式稀疏自编码(SSAE)网络进行无监督自适应特征提取,挖掘生产数据的深层次特征。然后,利用长短时记忆(LSTM)网络在处理时间序列上的优势,将SSAE网络提取到的深层特征作为预测模型的输入,将旋转角加速度作为输出,建立基于LSTM的轧机扭振预测模型。仿真结果表明：SSAE-LSTM模型的预测精度达98.5%,与RNN模型和LSTM模型相比,预测精度分别提高了24.8%和12.2%,验证了该方法的有效性,为实时预测轧机扭振状态提供了参考。     

变电站综合管理信息系统建设的研究

介绍了变电站信息化现状,对变电站综合管理信息系统建设的必要性和可能性进行了详细的分析,研究了基于局域网络系统的客户机/服务器信息管理模式和集成的应用体系结构模式,讨论了综合管理信息系统构成。