基于半监督深度网络的冷连轧轧制力预报

发布时间：2020-12-22 23:50

　　针对冷连轧生产中难以建立准确的轧制力数学模型的问题,提出了基于半监督深度网络的轧制力预报模型。首先,使用堆叠去噪自编码器逐层提取输入数据的高阶特征表示。为提高特征提取的有效性,根据输入值与目标值的相关性程度,对其各维度特征损失函数施加不同比例,构成比例损失堆叠去噪自编码器。然后,使用比例损失堆叠去噪自编码器提取的高阶特征初始化深度网络,对目标值进行预测。仿真结果表明,该模型预测精度可控制在3%以内,实现了轧制力的高精度预测。 

【文章来源】：塑性工程学报. 2020年11期 北大核心

【文章页数】：7 页

【文章目录】：
引言
1 比例损失堆叠去噪自编码器
    1.1 去噪自编码器
    1.2 比例损失去噪自编码器
    1.3 比例损失堆叠去噪自编码器
2 基于PL-SDAE的轧制力预报模型
    2.1 基于PL-SDAE的轧制力预报模型
    2.2 模型输入参数的选择
    2.3 结果与讨论
3 结论


【参考文献】：
期刊论文
[1]基于改进OS-ELM的冷连轧在线轧制力预报[J]. 魏立新,张宇,孙浩,魏新宇.  计量学报. 2019(01)
[2]基于深度网络训练的铝热轧轧制力预报[J]. 魏立新,魏新宇,孙浩,王恒.  中国有色金属学报. 2018(10)
[3]基于深度去噪核映射的长期预测模型[J]. 王强,吕政,王霖青,王伟.  控制与决策. 2019(05)
[4]基于CA-CAMC网络的轧制力自学习预报模型[J]. 赵文姣,闫洪伟,杨枕,温玉莲,孙祖乾.  冶金自动化. 2016(02)



本文编号：2932669