基于机器学习的有色金属冶炼工序识别

作者：汪繁荣; 方祖春^*; 刘宇航; 汪筠涵

来源：电子测量技术, 2022, 45(23): 181-186.

DOI：10.19651/j.cnki.emt.2210198

• 机器学习
• 时间卷积网络
• 长短期记忆网络
• 支持向量机
• 工序识别

为实现生产工序的准确识别，提出基于机器学习的工序识别模型，分别选取时间卷积网络、长短期记忆网络、支持向量机构建工序识别模型，并结合某钛金属冶炼企业生产能耗数据对模型进行测试验证。首先对历史功率及工序数据进行预处理，然后根据生产特征构造用于模型训练及测试数据集，最后结合数据集对模型进行训练和测试。结果表明基于时间卷积网络的识别模型具有较高的工序识别准确率，针对测试集的工序识别准确率达96.94%。

• 单位
  电子工程学院; 湖北工业大学