針對冷連軋生產中難以建立準確的軋制力數學模型的問題,提出了基于半監(jiān)督深度網絡的軋制力預報模型。首先,使用堆疊去噪自編碼器逐層提取輸入數據的高階特征表示。為提高特征提取的有效性,根據輸入值與目標值的相關性程度,對其各維度特征損失函數施加不同比例,構成比例損失堆疊去噪自編碼器。然后,使用比例損失堆疊去噪自編碼器提取的高階特征初始化深度網絡,對目標值進行預測。仿真結果表明,該模型預測精度可控制在3%以內,實現(xiàn)了軋制力的高精度預測。 

【文章來源】：塑性工程學報. 2020年11期 北大核心

【文章頁數】：7 頁

【文章目錄】：
引言
1 比例損失堆疊去噪自編碼器
    1.1 去噪自編碼器
    1.2 比例損失去噪自編碼器
    1.3 比例損失堆疊去噪自編碼器
2 基于PL-SDAE的軋制力預報模型
    2.1 基于PL-SDAE的軋制力預報模型
    2.2 模型輸入參數的選擇
    2.3 結果與討論
3 結論


【參考文獻】：
期刊論文
[1]基于改進OS-ELM的冷連軋在線軋制力預報[J]. 魏立新,張宇,孫浩,魏新宇.  計量學報. 2019(01)
[2]基于深度網絡訓練的鋁熱軋軋制力預報[J]. 魏立新,魏新宇,孫浩,王恒.  中國有色金屬學報. 2018(10)
[3]基于深度去噪核映射的長期預測模型[J]. 王強,呂政,王霖青,王偉.  控制與決策. 2019(05)
[4]基于CA-CAMC網絡的軋制力自學習預報模型[J]. 趙文姣,閆洪偉,楊枕,溫玉蓮,孫祖乾.  冶金自動化. 2016(02)



本文編號：2932669