基于深度神经网络的热风炉烟温预测模型

• 作者: 王一男 刘晓志 孙超 王伟兵 李仁华 杨英华
• 来源期刊: 河北冶金
• 关键词: 热风炉 长短期记忆网络 废气温度 建模
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 专题研究|Special Research
• 页码范围: 34-36,50
• 页数: 4页
• 分类号: TF578
• 语种: 中文
• DOI: 10.13630/j.cnki.13-1172.2021.0106

摘要

数字化工厂是智能制造技术中的重要环节,对被控对象精准建模是对工艺设计、自动化及智能化系统实现精准控制的重要支撑.针对热风炉燃烧状况复杂,很难建立合适的机理模型的实际情况,提出了基于长短期记忆深度网络(LSTM)对热风炉废气温度进行建模,并用L2正则化的方式对网络进行了优化.经河钢邯钢8#高炉实际数据仿真验证,预测模型的动态性能良好.