基于卷积神经网络与长短期记忆网络的多规格带钢精轧电耗分析预测

摘要：

能耗数据预报在工业过程中发挥重要作用,产线级的电耗精准预报更是钢铁智能制造背景下的节能降耗热点.针对带钢热轧精轧控制段的多规格轧件电耗预测问题,首先通过皮尔逊(Pearson)相关性分析筛选出影响精轧电耗的主要因素,节约计算时间,然后充分发挥卷积神经网络(convolutional neural network,CNN)与长短期记忆网络(long short-term memory,LSTM)分别在特征提取与数据预测方面的优势,提出了一种基于CNN-LSTM混合神经网络的精轧电耗预测模型并进一步优化.通过利用预处理后的厂级实时数据进行算法验证,均方误差能控制在0.8％以内,表明该方法能对产线级多规格轧件精轧电耗准确预报.

关键词：轧制电耗、Pearson相关性分析、CNN-LSTM混合网络、多规格轧件、准确预报

所属期刊栏目：46

分类号：TP393;TP13;TM621.2

资助基金：国家自然科学基金;中央高校基本科研业务费资助项目

在线出版日期：2022-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：25-33