首页期刊导航|冶金自动化
期刊信息/Journal information
冶金自动化
冶金自动化

沈黎颖

双月刊

1000-7059

mia@yjzdh.com

010-63815269 63848128

100071

北京西四环南路72号

冶金自动化/Journal Metallurgical Industry Automation北大核心CSTPCD
正式出版
收录年代

    废钢料型智能识别的语义分割模型选择与实现

    朱立光陈泊羽肖鹏程张妍...
    81-92页
    查看更多>>摘要：目前业界对废钢智能评级和扣杂的方案都是基于目标识别模型,但是目标识别模型与语义分割模型相比其无法精确刻画废钢的边界,造成对废钢的面积估计和特征采集不精准.然而当前语义分割模型众多,如何选择一种适合废钢判级场景的模型是亟待解决的问题.针对该问题,首先在实验室建立1∶3物理模型,模拟不同类型废钢入厂验质场景;然后,用2K分辨率摄像头采集图像数据;最后,将主流的20种语义分割模型进行对比分析.试验表明,在139张废钢数据集上应使用全卷积神经网络(fully convolutional network,FCN)模型搭配高分辨率网络(high-resolution net,HRNet)对废钢进行语义分割;在图像增强的1 529张废钢数据集上应使用基于Transformer改进的高效语义分割模型SegFormer-B5对废钢进行预测分类;从平均交并比(mean intersection over union,mIoU)评价指标来看,FCN和基于上下文表示的语义分割网络(object-contextual repre-sentations network,OCRNet)使用HRNet主干网络比残差主干网络(residual network,ResNet)平均提高6.6个百分点.

    废钢语义分割FCNOCRNetSegFormer-B5Deeplabv3P

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    一种基于优先级策略的热镀锌生产排程方法

    陈添黄鑫鑫刘士新
    93-99页
    查看更多>>摘要：为了解决热镀锌板批量生产方式与客户订单个性化需求之间的矛盾,减少生产过程中品种及规格切换,从而提高生产效率、降低生产成本,建立了热镀锌生产排程问题优化模型.考虑热镀锌生产计划中材料优先级、换辊规程、后处理方式、规格切换规程、生产经济性等关键排程因素,基于计划员经验提出了材料优先级设定方法.将材料优先级与搜索算法相结合提出了热镀锌优化排程方法,该方法首先根据材料确定集批类型,再对各集批材料进行初始排序形成排程计划集合,然后将剩余材料插入到合适的计划集合中,得到热镀锌机组排程的最小计划,最后采用搜索策略对计划进一步优化形成最终排程计划.基于以上方法开发了热镀锌机组优化排程系统,实际应用结果表明,该方法显著提高了计划员的工作效率和排程计划质量.

    镀锌板排程优化搜索算法优先级策略

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于改进BP神经网络的烧结矿FeO含量预测

    张学锋张功辉周志远闻亦昕...
    100-108页
    查看更多>>摘要：影响烧结矿FeO含量的因素较多且FeO含量与各因素间呈现非线性关系,预测难度较大.针对烧结矿FeO含量难以直接预测的问题,提出一种Dropout算法与Adam算法和四层BP神经网络相融合的烧结矿FeO含量预测模型.为提高烧结矿FeO含量的预测准确率,结合烧结工艺,选取与烧结矿FeO含量强相关性的烧结机尾断面热成像关键帧的温度特征作为模型的参数输入.利用Dropout算法改善四层BP神经网络结构,Adam算法优化四层BP神经网络的训练过程,进而提高模型的预测精度和泛化能力.试验表明,改进的模型预测烧结矿FeO含量误差值在±0.5、±0.8和±1.0时,命中率分别达到77.42％、88.71％和96.77％.与三层BP神经网络预测模型和支持向量机回归(support vector regression,SVR)模型相比,该模型的误差更小,同时预测精度也得到显著提升.

    烧结矿FeO含量机尾断面热成像BP神经网络Dropout算法Adam算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于高炉冷却壁温度的高炉炉型聚类分析

    杜屏雷鸣江德文王振阳...
    109-115页
    查看更多>>摘要：高炉操作炉型与高炉长寿、高炉操作及技术经济指标等密切相关,合理的操作炉型有利于保证高炉生产的优质、低耗、高产、长寿.通过对高炉冷却壁温度数据的聚类分析,能够有效合理地表征高炉操作炉型的变化,对高炉生产有着重要的指导意义.基于沙钢5 800 m3高炉冷却壁温度数据,分别采用K均值聚类(K-means)、高斯混合模型(Gaussian mixture model,GMM)对数据集进行聚类分析,基于两种聚类算法,结合戴维斯-唐纳德指数(Davies-Bouldin indicator,DBI)与轮廓系数(Silhouette coefficient,SC)对聚类结果进行评价,并分析了所得聚类簇类别对应生产状态的高炉冶炼情况.得出了在本文所选的样本数据基础上,采用K-means算法且当炉型聚类为3时聚类结果更好,且第3类炉型对应的平均焦比、煤比、燃料比、煤气利用率、铁水温度及产量分别为 357.62 kg/t、163.18 kg/t、512.34 kg/t、47.51％、1 502.045℃、12472.59 t/d,更适合该高炉日常生产的结论.该研究可为高炉炼铁冶炼过程的大数据分析聚类算法的选择及聚类结果分析评价提供一定参考.

    高炉炉型冷却壁温度聚类炼铁大数据

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    果蝇优化神经网络在冷轧弯辊模型中的应用

    宋君王奎越曹忠华
    116-125页
    查看更多>>摘要：为了解决冷连轧机弯辊力设定模型在工业生产中存在设定与控制精度低的问题,提出了一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)优化广义回归神经网络(generalized regression neural network,GRNN)的混合弯辊力预测模型.采用FOA算法对GRNN网络参数光滑因子进行优化选择以保证模型最佳性能.将本文提出的混合FOA-GRNN冷连轧弯辊力预测模型和对应的后向传播神经网络(back propagation neural network,BPNN)预测模型进行对比分析,同时选择误差指标来对两种模型的综合性能进行评价,证明所提出的混合FOA-GRNN模型相对于BPNN模型能够更好地实现对冷连轧带钢弯辊力的精准预测.

    冷轧带钢数据驱动模型神经网络果蝇算法弯辊力设定

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于深度核与多核联合学习的镀层质量评估系统

    张岩王军生丁智孙瑞琪...
    126-132页
    查看更多>>摘要：针对传统核学习方法在处理复杂非线性数据存在过拟合和分类精度不高等问题,影响对镀层质量评估的准确性,提出基于深度核学习(deep kernel learning,DKL)与多核学习(multiple kernel learning,MKL)双向促进的联合学习方法,将多核方法组合深度自编码器(stack auto encoder,SAE)的输入层、最高编码层与最高解码层网络建模,获得更全面的信息.同时,将深度核以非线性乘积方式融入到高斯多核的优化训练中,形成非线性组合核.通过大量基准数据集和实际工业数据试验表明,本联合方法取得了最高的分类精度,验证了其对复杂时变镀锌过程的自适应性,大幅提高了镀层质量评估的准确性.

    多核学习深度学习数据挖掘镀锌过程

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    人物介绍

    前插1-前插2页
      原文链接:
    • NETL
    • NSTL
    • 万方数据