摘要
本发明涉及工程数值计算分析技术领域,尤其涉及基于数据驱动的高炉推移性能的预测方法、设备与存储介质。本发明公开了基于数据驱动的高炉推移性能的预测方法,通过建立高保真数字模型,采用有限元仿真模型对高炉推移过程进行模拟,生成样本数据。将实际推移下的测试数据与部分样本数据与进行对比和验证,通过特征分析,设计正交实验表,得到高炉的推移响应谱样本。将样本通过模型训练与测试获取最优的机器学习模型,并与实际推移工况对比,得到高炉推移性能智能预测模型,实现了对高炉推移工作中高炉整体位移、炉体姿态变化历程、推移托盘底部滑靴受力分布、炉体在风荷载作用下的应力分布的精准预测,为高炉推移安全实施和高炉恢复生产提供保障。
技术关键词
高炉炉体
机器学习模型
仿真模型
DBN神经网络
交叉验证法
应变式力传感器
RNN神经网络
训练算法
有限元分析软件
性能预测方法
生成样本数据
激光位移传感器
高炉整体
神经网络算法
轨道
倾角传感器
系统为您推荐了相关专利信息
参数矫正方法
有限元分析软件
坯料
滑动摩擦系数
仿真模型
控制律参数
化评估方法
状态空间方程
工作点
批量
存储介质系统
存储介质控制器
机器学习模型
管理器
策略
环境调节装置
机器学习模型
气氛
流量控制单元
氧化镓晶体