期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于双通道特征融合的热连轧厚度预测补偿
1
作者 张晓东 史靖文 +1 位作者 白广芝 秦子轩 《锻压技术》 CAS CSCD 北大核心 2024年第2期161-171,共11页
针对热连轧轧制受油膜厚度、轧辊偏心等因素影响而造成精度降低的问题,提出一种基于双通道特征融合的热连轧板带厚度误差预测模型。模型由时空特征提取和多尺度特征提取两部分组成:时空特征提取部分是基于相邻机架板带厚度空间的相关性... 针对热连轧轧制受油膜厚度、轧辊偏心等因素影响而造成精度降低的问题,提出一种基于双通道特征融合的热连轧板带厚度误差预测模型。模型由时空特征提取和多尺度特征提取两部分组成:时空特征提取部分是基于相邻机架板带厚度空间的相关性构建了前置时空矩阵(FSTM),通过卷积长短期记忆网络(Conv-LSTM)提取FSTM的时空关联特征;多尺度特征提取部分是采用离散小波变换(DWT)对当前机架轧制厚度数据进行分解,得到趋势项数据和细节项数据,并采用差分自回归移动平均模型-长短期记忆网络(ARIMA-LSTM)和双向长短期记忆网络(BiLSTM)分别对趋势项数据和细节项数据进行特征提取。将上述特征融合后输入全连接层进行回归预测,得到热连轧板带厚度误差预测值。实验结果表明:双通道特征融合模型能有效提高厚度误差预测精度,验证了模型的有效性。 展开更多
关键词 热连轧 厚度补偿预测 长短期记忆网络 卷积神经网络 特征提取
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部