深度学习在炼钢过程中的研究进展及应用现状

摘要：

炼钢过程是极其复杂的工业场景,影响因素多且安全性要求极高,是当前深度学习尚未大规模应用的领域之一.在对深度学习的原理和类型进行梳理的基础之上,结合国内外应用实例,总结了深度学习在炼钢过程中的发展历程与研究现状.指出了深度学习在炼钢过程中应用主要有特征提取简单、泛化能力强、模型可塑性高的优势,同时也面临数据依赖性高、预处理难度大、生产安全性有待验证的挑战.提出了未来随着高精度传感器的应用、物联网的普及、计算硬件的迭代、以及算法的创新,深度学习模型可以更加有效地应用于炼钢的更多场景中,将推动冶金工业智能化发展.

关键词：炼钢过程、深度学习、神经网络、应用场景、数据处理、非线性、智能化

所属期刊栏目：44

分类号：TF34(冶金机械、冶金生产自动化)

资助基金：中央高校基本科研业务费资助项目;中国博士后科学基金特别资助项目;钢铁冶金新技术国家重点实验室自主课题资助项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1171-1182