基于卷积神经网络与长短期记忆网络的多规格带钢精轧电耗分析预测 |
| |
引用本文: | 肖世钊,刘天恒,张飞,肖雄,宗胜悦,刘恒文.基于卷积神经网络与长短期记忆网络的多规格带钢精轧电耗分析预测[J].冶金自动化,2022(1):25-33. |
| |
作者姓名: | 肖世钊 刘天恒 张飞 肖雄 宗胜悦 刘恒文 |
| |
作者单位: | 1. 福建三宝钢铁有限公司设备部;2. 北京科技大学工程技术研究院;3. 北京科技大学设计研究院有限公司 |
| |
基金项目: | 国家自然科学基金青年科学基金项目(51907006);;中央高校基本科研业务费资助项目(FRF-TP-20-029A2); |
| |
摘 要: | 能耗数据预报在工业过程中发挥重要作用,产线级的电耗精准预报更是钢铁智能制造背景下的节能降耗热点。针对带钢热轧精轧控制段的多规格轧件电耗预测问题,首先通过皮尔逊(Pearson)相关性分析筛选出影响精轧电耗的主要因素,节约计算时间,然后充分发挥卷积神经网络(convolutional neural network, CNN)与长短期记忆网络(long short-term memory, LSTM)分别在特征提取与数据预测方面的优势,提出了一种基于CNN-LSTM混合神经网络的精轧电耗预测模型并进一步优化。通过利用预处理后的厂级实时数据进行算法验证,均方误差能控制在0.8%以内,表明该方法能对产线级多规格轧件精轧电耗准确预报。
|
关 键 词: | 轧制电耗 Pearson相关性分析 CNN-LSTM混合网络 多规格轧件 准确预报 |
|
|