基于自编码器的冷轧带材板形数据降维方法

• 作者: 徐扬欢 王东城 汪永梅 袁文越 于华鑫 刘宏民
• 来源期刊: 钢铁
• 关键词: 冷轧带材 板形 自编码器 降维 无监督学习
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 冶金人工智能技术|Metallurgical Artificial Intelligence Technology
• 页码范围: 26-35
• 页数: 10页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn0449-749x.20210259

摘要

为实现板带轧制过程的智能制造,对智能化的内涵进行了深入探索.针对具体问题,将无监督学习与强化学习理论用于生产实践具有重要意义.以板带轧制过程中的板形检测数据为研究对象,通过无监督学习理论中的自编码器进行板形基本模式的自动学习,从而降低板形数据的存储与传输量,实现板形分布的抽象表示,为后续板形异常检测、智能预报和智能控制奠定基础.与基于勒让德多项式模式的传统板形数据降维方法相比,此方法可显著提高板形重构精度,实现板形数据的近似无损压缩.