LSTM-RNN在连铸下渣预测系统中的应用

Application of LSTM-RNN in Continuous Casting Slag Prediction System

李福进 ¹刘尚瑜 ¹史涛¹

扫码查看

作者信息

1. 华北理工大学电气工程学院,河北唐山 063210
折叠

摘要

针对钢包连铸过程中需要精确控制下渣时刻的问题,提出一种基于局部加权回归和长短时记忆(LSTM)神经网络模型的连铸下渣预测系统.该系统对下渣过程中采集到的信号进行处理和识别,可准确预测下渣时刻.结合某钢厂的实际生产情况,在采集到的大量钢包下渣相关参数中,提取主要特征;使用局部加权回归对数据进行过滤处理,再结合LSTM建立下渣预测模型;给出LSTM模型与ARIMA模型、RNN模型的预测结果比较.研究结果表明,长短时记忆神经网络模型的预测误差小,预测准确度较高,具有广泛的应用前景.

关键词

钢包下渣/递归神经网络/长短时记忆/局部加权回归/时间序列预测

引用本文复制引用

基金项目

河北省自然科学基金(F2018209289)

出版年

2022

机械设计与制造

辽宁省机械研究院

机械设计与制造

CSTPCD北大核心

影响因子：0.511

ISSN：1001-3997

被引量1

参考文献量7

段落导航