-
题名基于多传感器信息融合AOD炉喷溅预报
被引量：1
- 1
-
-
作者
郭凤涛
徐亮
尤文
-
机构
长春工业大学电气与电子工程学院
-
出处
《长春工业大学学报》
CAS
2014年第2期154-158,共5页
-
基金
吉林省科技发展计划基金资助项目(20110316)
-
文摘
针对氩氧精炼冶炼过程中产生的喷溅现象,检测喷溅过程中炉体中的震动、音频、火焰图像等信息并进行融合。研究基于分步式滤波的多传感器系统数据融合算法,给出了理论推导过程。采用Kalman滤波融合算法实现了喷溅等级计量及预报。
-
关键词
信息融合
AOD炉
喷溅
预报
-
Keywords
information fusion
AOD furnace
splash
forecasting
-
分类号
TP713.1
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进自编码器的转炉炼钢工艺模式提取方法
- 2
-
-
作者
董倩倩
胡帅杰
黎敏
于艳
谷茂强
-
机构
北京科技大学钢铁共性技术协同创新中心
宝山钢铁股份有限公司中央研究院
-
出处
《工程科学学报》
EI
CSCD
北大核心
2024年第6期1108-1119,共12页
-
基金
5G+智慧钢铁行业应用研究资助项目(2020B0101130007)。
-
文摘
转炉炼钢吹炼过程的控制主要包括供氧、造渣和底吹等工艺操作,吹炼过程控制的稳定性直接影响着终点钢水的质量.传统的静态控制模型以物料平衡和热平衡为基础获得吹炼过程工艺操作模式,未考虑以原料为主的标量型数据和以工艺参数为主的时序型数据之间的强耦合关系,导致传统静态模型的可靠性不高,需要依靠人工经验来调整工艺参数.为解决上述问题,提出一种基于改进自编码器的转炉炼钢工艺模式提取方法,该方法以自编码器为基础结构,使用全连接模块、长短期记忆网络模块、一维卷积模块和批量K-Means模块建立聚类模型,并联合聚类损失函数和重构损失函数实现模型的训练,获得原始高维数据在低维特征空间所对应的隐藏向量;在此基础上,利用隐藏向量完成聚类;最后,在属于不同聚类类别的数据中,寻找离各个聚类中心最近的样本,将最近样本的供氧、造渣和底吹工艺操作作为该类样本的工艺操作模式.利用转炉炼钢生产过程实际数据验证了所提方法的有效性,使用标量型数据和提取的工艺模式数据预测终点碳温,终点碳的质量分数在±0.02%误差范围内的平均命中率为95.06%,终点温度在±20℃误差范围内的平均命中率为91.48%,在终点碳的质量分数±0.02%、温度±20℃误差范围内的平均双命中率为90.80%.
-
关键词
转炉炼钢
多变量时间序列
工艺模式提取
长短期记忆网络
一维卷积神经网络
-
Keywords
converter steelmaking
multivariate time series
process model extraction
long short-term memory network
one-dimensional convolutional network
-
分类号
TP713.1
[自动化与计算机技术—检测技术与自动化装置]
-
