CASIA OpenIR  > 学术期刊  > 自动化学报
基于动态注意力深度迁移网络的高炉铁水硅含量在线预测方法
蒋珂; 蒋朝辉; 谢永芳; 潘冬; 桂卫华
Source Publication自动化学报
ISSN0254-4156
2023
Volume49Issue:5Pages:949-963
Abstract铁水硅含量是反映高炉冶炼过程中热状态变化的灵敏指示剂,但无法实时在线检测,造成铁水质量调控盲目.为此,提出一种基于动态注意力深度迁移网络(Attention deep transfer network, ADTNet)的高炉铁水硅含量在线预测方法.首先,针对传统深度网络静态建模思路无法准确描述过程变量与铁水硅含量之间的关系,提出一种基于注意力机制模块的输入过程变量与输出硅含量之间的动态关系描述方法;其次,为降低硅含量预测模型训练时对标签数据的依赖,考虑到铁水温度与硅含量数据之间的正相关性,利用小时级硅含量标签数据微调基于分钟级铁水温度数据预训练好的深度模型的结构,进而提高基于动态注意力深度迁移网络的硅含量预测精度;同时,为增强预测网络的可解释性,实时给出了基于动态注意力机制模块计算的每个样本各过程变量对铁水硅含量的贡献度;最后,基于某钢铁厂2号高炉的工业实验,验证了该方法的准确性、有效性和先进性.
Keyword高炉炼铁 铁水硅含量 深度网络 迁移学习 动态注意力机制 预测
DOI10.16383/j.aas.c210524
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56146
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
蒋珂,蒋朝辉,谢永芳,等. 基于动态注意力深度迁移网络的高炉铁水硅含量在线预测方法[J]. 自动化学报,2023,49(5):949-963.
APA 蒋珂,蒋朝辉,谢永芳,潘冬,&桂卫华.(2023).基于动态注意力深度迁移网络的高炉铁水硅含量在线预测方法.自动化学报,49(5),949-963.
MLA 蒋珂,et al."基于动态注意力深度迁移网络的高炉铁水硅含量在线预测方法".自动化学报 49.5(2023):949-963.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2021-0524.pdf(14369KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[蒋珂]'s Articles
[蒋朝辉]'s Articles
[谢永芳]'s Articles
Baidu academic
Similar articles in Baidu academic
[蒋珂]'s Articles
[蒋朝辉]'s Articles
[谢永芳]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[蒋珂]'s Articles
[蒋朝辉]'s Articles
[谢永芳]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2021-0524.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.