基于深度学习的热镀锌镀层重量预测

作者：杨涛

来源：冶金自动化, 2021, 45(04): 40-47.

• 热镀锌
• 镀层重量预测
• 深度学习
• 神经网络
• 学习算法

连续热镀锌生产线的镀层重量控制具有多变量、非线性和大滞后等特点,简化理论模型和浅层神经网络对复杂变量关系的表示能力有限,而深度学习模型通过多层非线性网络结构,能实现复杂函数关系的良好逼近。利用深度学习框架TensorFlow,构建了深度前馈神经网络镀层重量预测模型。基于上述模型,利用某热镀锌机组的历史数据进行了深度神经网络建模实验,同时也基于相同的数据集建立了基于多元线性回归参数的理论预测模型。仿真实验表明,相比简化理论模型,深度神经网络可实现镀层重量的更高精度预测,为生产操作提供指导,镀层重量的预测平均绝对误差从2.937 0 g/m2降低到1.134 9 g/m2。

• 单位
  北京中冶设备研究设计总院有限公司