基于LSTM变体的下渣预测识别系统

• 作者: 刘尚瑜 史涛 李福进
• 来源期刊: 自动化应用
• 学科: 工学
• 关键词: 时间序列预测 长短时记忆神经网络 钢包下渣 预测识别
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 自动化控制理论与应用
• 页码范围: 5-6,11
• 页数: 3页
• 分类号: TP273
• 字数: 3054字
• 语种: 中文
• DOI: 10.19769/j.zdhy.2020.01.002

摘要

下渣检测技术是现代连铸生产中必不可少的重要技术,对提高钢铁生产率、延长设备使用寿命至关重要.通过分析连铸生产的相关参数,结合LSTM神经网络模型的特点,开发出依据LSTM模型变体的连铸钢包下渣预测系统.根据某钢厂的生产过程,对连铸下渣预测识别系统的主要流程进行了阐述,并介绍了该系统的软硬件技术实现方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史涛	华北理工大学电气工程学院	15	21	3.0	4.0
2	李福进	华北理工大学电气工程学院	17	26	3.0	4.0
3	刘尚瑜	华北理工大学电气工程学院	1	0	0.0	0.0