热带轧机高精度轧制负荷预测模型的开发

为了提高精轧机轧制负荷的预测精度 ,提出一种在轧制负荷模型的结构中考虑相变和累计应变对轧制坯料变形抗力的影响和厚度方向的温度分布的新方法。采用本文所述的方法 ,预测精度优于旧模型。预测结果的相对误差限制在± 5 %以内。     

基于改进长短期记忆神经网络的钢铁企业电力负荷预测方法

钢铁企业的用电负荷受企业生产工况影响较大,区别于传统区域电网的电力负荷预测,其用电负荷不受季节气候的影响,具有用电负荷高、用电波动大、工序变化瞬时冲击性强、扰动强等特点。针对上述特点,将基于长短期记忆神经网络(long short-term memory, LSTM)的序列对序列(sequence to sequence, Seq2Seq)模型应用到电力负荷预测中,提出了LSTM-Seq2Seq负荷预测模型,以解决模型训练时LSTM模型产生的较为严重的过拟合现象。为了避免参数更新时的大幅震荡和更新速度过慢的问题,优化方法采用Adadelta方法。利用某钢铁企业实际负荷数据进行测试,LSTM-Seq2Seq模型准确率能达到97.94%。实验结果表明,本文提出的方法能够提高电力负荷预测精度,提高钢铁企业运行的安全性,降低生产运行成本。     

基于深度神经网络的点击率预测模型

针对现有深度神经网络点击率预测模型在对用户偏好建模时,难以有效且高效地处理用户行为序列的问题,提出长短期兴趣网络（Long and short term interests network, LSTIN）模型,充分利用用户历史记录上下文信息和顺序信息,提升点击率预测精准性和训练效率。使用基于注意力机制的Transformer和激活单元结构完成用户长、短期兴趣建模,对用户短期兴趣进一步使用循环神经网络（Recurrent neural network, RNN）、卷积神经网络（Convolutional neural networks, CNN）进行处理,最后使用全连接神经网络进行预测。在亚马逊公开数据集上开展实验,将提出的模型与基于分解机的神经网络（DeepFM）、深度兴趣网络（Deep interest network, DIN）等点击率预测模型对比,结果表明提出的模型实现了考虑上下文信息和顺序信息的用户历史记录建模,接受者操作特征曲线下面积（Area under curve, AUC）指标为85.831%,相比于基础模型（BaseModel）提升1.154%,相比于DIN提升0.476%。且因区分用户长、短期兴趣,模型能够在提升预测精准性的同时保障训练效率。      

基于深度学习的辊道电机故障诊断分析方法

为了避免电机频繁无预警停机,机电设备诊断分析是一项非常重要的任务。针对辊道电机中单个电机故障,根据所有电机正常运行状况和故障状况下收集的电机电流数据,提出一种基于深度学习的智能化电机故障诊断分析策略。首次提出了考虑用协同工作的其他电机的电流来对被监测电机进行故障诊断。该方案选择采用Lenet-5模型进行分类预测训练,以诊断电机中的故障,在生产现场实际应用此方案并进行数据结果验证。结果表明,所提出的方法在电机故障诊断中可行且有效。     

棒材连轧机组电机转速及电流的微机自动测量

本文介绍了一种利用微型计算机,自动测试连轧过程中,各架电机转速及电流变化的测量系统。该系统可在线连续测量,并打印出计算数据,同时绘出直观的电机转速,电流的波动曲线。 采用该系统测量,具有操作简便,测量速度快,测量精度高等优点。     

基于深度学习的热连轧轧制力预测

摘要：轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近。利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini batch策略的Adam优化算法进行参数寻优,采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度。结果表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11%。     

深度学习在电力系统预测中的应用

电力系统预测主要包括负荷预测、出力预测以及健康状态预测等。通过负荷预测,可以优化电力生产规划,从而更好地实现电能的精细化分配;通过出力预测,可以有效提升新能源电力消纳能力,实现电能的充分及合理利用;通过电力设备健康状态预测,可以及时发现设备运行隐患,从而进一步保障电力系统平稳安全运行。深度学习凭借其卓越的特征分析和预测能力,被广泛应用于电力系统运行及维护。本文首先归纳介绍了电力系统预测深度学习模型的特点、适用场景;其次,梳理了深度学习在面向民用及工业场景负荷预测、光伏及风电出力预测、机械及非机械设备健康状态预测中的应用前沿;最后,对深度学习在电力系统预测中所面临的关键问题、发展趋势进行了总结和展望。      

基于长短期时间序列网络的氧气需求量预测

钢铁企业转炉炼钢过程中的氧气消耗机理复杂,具有非线性、间歇性等特点。采用深度学习方法分析炼钢用氧规律,对未来一个炼钢吹炼计划内的氧气需求量进行多步预测,获取分钟级耗氧量及趋势曲线。针对工业数据中的异常值与缺失值进行预处理,建立基于超参数调节的长短期网络(long short-term network, LSTNet)预测模型,采用钢铁企业炼钢过程用氧量的实际数据对算法进行测试,并与基于长短期记忆网络(long short-term memory, LSTM)的预测模型对比,相比LSTM预测模型,平均绝对误差(mean absolute error, MAE)指标降低了12.3%,均方根误差(root mean square error, RMSE)指标则降低了8.5%,表明该预测方法对钢铁企业转炉炼钢过程中氧气需求量的预测效果较好。     

1700轧机工作辊轴承负荷参数的研究与测试

本钢热连轧厂通过改造，年产量逐年增加，但工作辊轴承损坏严重。针对这一问题，对工作辊轴承的负荷参数进行研究，对轧辊的轴向力进行测试，有针对性地提出了改进措施。     

基于深度神经网络的热风炉烟温预测模型

数字化工厂是智能制造技术中的重要环节,对被控对象精准建模是对工艺设计、自动化及智能化系统实现精准控制的重要支撑.针对热风炉燃烧状况复杂,很难建立合适的机理模型的实际情况,提出了基于长短期记忆深度网络(LSTM)对热风炉废气温度进行建模,并用L2正则化的方式对网络进行了优化.经河钢邯钢8#高炉实际数据仿真验证,预测模型的...     

基于机器学习的北京市PM2.5浓度预测模型及模拟分析

对北京市周边8个点多个压力高度的温度、湿度和风速数据,以及北京市PM2. 5污染数据进行了分析和归一化处理,建立了反向传播神经网络(back propagation,BP)、卷积神经网络(convolutional neural network,CNN)和长短期记忆模型(long short-term memory,LSTM)对上述气象数据和污染数据进行训练,训练结果表明:反向传播神经网络模型和卷积神经网络模型对未来1 h的PM2. 5污染等级的预测准确率较低,而长短期记忆模型的准确率较高.使用长短期记忆模型预测未来1 h的PM2. 5污染值与实际值十分接近,表明北京市的PM2. 5污染与其周边地区的气象条件关系密切.通过利用长短期记忆模型对不同压力高度的气象数据进行训练和对比,得出在利用气象数据预测污染时,仅使用近地面气象数据比使用多个高度上的气象数据更加准确.     

基于机器学习的北京市PM2.5浓度预测模型及模拟分析

对北京市周边8个点多个压力高度的温度、湿度和风速数据, 以及北京市PM2.5污染数据进行了分析和归一化处理, 建立了反向传播神经网络(back propagation, BP)、卷积神经网络(convolutional neural network, CNN) 和长短期记忆模型(long short-term memory, LSTM) 对上述气象数据和污染数据进行训练, 训练结果表明: 反向传播神经网络模型和卷积神经网络模型对未来1 h的PM2.5污染等级的预测准确率较低, 而长短期记忆模型的准确率较高.使用长短期记忆模型预测未来1 h的PM2.5污染值与实际值十分接近, 表明北京市的PM2.5污染与其周边地区的气象条件关系密切.通过利用长短期记忆模型对不同压力高度的气象数据进行训练和对比, 得出在利用气象数据预测污染时, 仅使用近地面气象数据比使用多个高度上的气象数据更加准确.      

三起轧机主电机事故的原因分析

介绍了三起轧机主电机事故的发生过程及原因，并提出了预防措施。     

本钢1700热带钢轧机工作辊轴承负荷参数的研究与测试

通过测试找出了本钢热连轧厂1700热带钢轧机工作辊轴承频繁损坏的原因，并提出了改进意见，取得较好效果，轴承消耗逐年下降，创效益超百万元。     

1700mm宽带粗轧机负荷平衡功能的应用

通过对粗轧机负荷平衡功能的优化,解决了水平辊上下位主电动机电流差别过大的问题,使系统运行稳定可靠、控制精度高、速度响应快、满足了热轧生产工艺要求。     

兼顾板形的带钢冷连轧机最优化负荷分配

在分析现有带钢冷连轧机组所采用的轧制负荷分配方法的基础上,提出了一种兼顾板形控制要求的最优等负荷分配模型,并编制了仿真程序.仿真结果与工业实验的结果是吻合的.     

基于高相关滤波算法的PSO-LSTM连铸坯质量预测模型

文章提出了一种将高相关滤波算法与粒子群优化长短期记忆神经网络相结合的连铸坯质量预测模型.首先,使用高相关滤波算法对影响连铸坯质量的多种因素进行降维处理,然后,利用粒子群优化长短期记忆神经网络进行连铸坯中心偏析陷等级的预测实验.实验结果验证了该模型在预测性能方面的优势.     

提高中板轧机主电机运行稳定性的研究

本文通过对影响中板轧机主电机运行稳定性的研究,提出了提高主电机运行稳定性的控制措施和方法。     

五机架冷连轧机的负荷分配计算

针对八辊五机架全连续冷连轧机在轧制过程中的特点,在综合考虑了轧机产量和产品质量的前提下,用多目标优化问题的求解方法对多辊冷连轧机的轧制策略进行优化,确定各机架的负荷和待轧带钢的目标厚度,并开发了河北中钢1 250 mm八辊五机架全连续冷连轧机的负荷分配计算程序。通过现场实例证明,该方法精度高、速度快,可满足在线控制需求,是一种适合多辊全连续冷连轧机的负荷分配方法。     

浅析铝箔轧机主电机的谐波计算

本文结合一台2000mm铝箔轧机的电气传动系统，介绍铝箔轧机主电机的谐波计算方法，并分析铝箔轧机主电机的谐波特点。