资料下载
×
一种由数据驱动的多任务学习炼钢终点预测方法
消耗积分:2 |
格式:rar |
大小:1.06 MB |
2017-12-05
分享资料个
钢水质量通常根据终点命中率来判断，但炼钢过程影响因素众多，机理分析难以准确预测终点温度和含碳量，鉴于此，提出一种由数据驱动的多任务学习（MTL）炼钢终点预测方法。首先，分析并提取炼钢过程的输入和输出要素，结合炼钢两阶段吹炼特点选择多个子学习任务；其次，根据子任务与终点参数的相关性选择合适的子任务，提升终点预测的准确度并构建多任务学习模型，再对模型输出结果进行二次优化；最后，通过近端梯度算法对处理后的生产数据进行模型训练，获取多任务学习模型的过程参数。以某钢厂为案例，该方法相比神经网络在终点温度12℃误差范围内和终点含碳量0.010-10误差内的准确度提升了10%，误差范围6℃和0. 005%的预测准确度分别提升了11%和7%。实验结果表明，多任务学习在实际中能够提升终点预测的准确性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
