基于深度映射多核的热镀锌镀层厚度预测

连续热镀锌的镀层厚度控制具有高维、非线性和时变的特点，很难用传统的数学模型和浅层神经网络来预测。深度学习通过多层非线性网络结构，能实现复杂函数关系的良好逼近，而核学习是处理复杂非线性数据的强大工具。提出了一种基于深度神经网络多层信息的深度映射多核学习算法，通过将此深度映射核与多尺度高斯基核做非线性乘积，得到新的具有高度表达能力的改进核，其蕴含数据深层特征信息。大量基准数据集和实际工业数据表明，本算法通过结合深度学习和多核学习的优势，解决了镀锌过程强非线性、时变大滞后和多变量的控制难点，实现镀层厚度的更高精度预测，预测的平均绝对误差从3.04 g/m²降低到1.22 g/m²。