基于文本分类与语义识别的电力运营数据智能处理

针对当前电力运营数据分析和利用不足的现状,提出一种基于文本分类与语义识别的电力运营数据智能处理算法。该算法采用剔除异常文本、分词以及去停顿词等操作进行电力运营文本清洗,再使用连续词袋（CBOW）模型实现电力运营文本的向量化表示。同时利用Apriori算法挖掘电力运营文本向量与文本分类结果的关联规则,并基于小批量梯度下降（MBGD）的长短期记忆网络（LSTM）算法来获取电力运营文本分类的结果。通过对新疆电网某历史数据的仿真分析结果表明,文中所提算法相较于LSTM与Apriori-SVM算法,在电力运营文本分类上具有更高的准确率;且与传统梯度下降法相比,MBGD算法能够在保持较高准确率的同时大幅缩减模型的训练时间。     

马钢高线夹送辊夹持力和转矩限幅的设定分析

针对马鞍山钢铁股份有限公司第三钢轧总厂线材生产线上由于1#夹送辊的夹持力或转矩限幅设定 不合理而导致轧件堆钢的问题，分析了夹送辊的受力情况，以及夹送辊在不同夹持力和转矩限幅下的工作状态，提出了夹送辊夹持力和转矩限幅的设定原则。