-
题名基于改进自编码器的转炉炼钢工艺模式提取方法
- 1
-
-
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]
-
-
题名应急预案响应过程的BPMN模型自动抽取方法及实现
被引量：3
- 2
-
-
作者
杨卿涛
郭文艳
倪维健
曾庆田
-
机构
山东科技大学计算机科学与工程学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2022年第10期3212-3224,共13页
-
基金
国家自然科学基金资助项目(61702306,U1931207)
山东省科技发展基金资助项目(ZR2019LZH001,ZR2017BF015,ZR2017MF027)
+5 种基金
山东省自然科学基金资助项目(ZR202102250695)
教育部人文社科基金资助项目(18YJAZH017)
山东重庆科技联合资助项目(cstc2020jscx-lyjsAX0008)
青岛科技发展基金资助项目(21-1-5-zlyj-1-zc)
山东省泰山学者工程专项基金资助项目(ts20190936)
山东科技大学领军人才与优秀科研团队计划资助项目(2015TDJH102,2019KJN024)。
-
文摘
鉴于应急响应流程模型多由应急专家手动构建而费时费力的问题,提出一种从应急预案响应过程文本中自动抽取应急响应过程模型的方法,为专家建模提供技术支持。对应急预案文本数据进行预处理和标注,为后续训练抽取模型做数据准备;基于Bi-LSTM-Attention-CRF网络和XGBoost模型抽取响应任务和任务关系;基于抽取出的响应任务和任务关系构建应急响应过程BPMN模型。通过搜集真实的应急预案构建数据集,并对过程元素识别和任务关系抽取进行实验对比分析,证明了抽取方法的有效性,同时给出相应的实现工具。
-
关键词
过程模型抽取
应急预案
业务流程模型
关系抽取
命名实体识别
-
Keywords
process model extraction
emergency plan
business process model
relation extraction
named-entity recognition
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
