摘要
本发明涉及金属熔炼技术领域,具体公开了一种机理数据共驱的金属熔炼过程关键工艺指标感知方法,包括以下步骤:S01:熔炼过程机理建模,为关键工艺指标提供机理模型预测关键工艺指标初步插值;S02:关键工艺指标累积误差补偿:通过机理模型得到关键工艺指标初步插值后,通过引入CNN模型对采集到的操作变量进行空间特征提取,补偿机理模型输出的累积误差,得到完整的关键工艺指标历史数据序列;S03:基于补偿序列的概率性预测,对经过误差补偿的序列进行时间序列建模与双向特征捕捉,结合注意力机制提高预测精度,并采用混合分位数回归方式实现各置信度区间预测以及单值预测,本方法解决了传统的金属熔炼过程的工艺指标感知的准确性和可靠性较低的问题。
技术关键词
指标
空间特征提取
累积误差
注意力机制
融合卷积神经网络
固液两相
双向长短期记忆网络
架构构建方法
固液接触面积
序列
事件检测算法
金属熔炼技术
动态演化过程
数据
性预测方法
预测误差
多通道
误差补偿值
覆盖误差
系统为您推荐了相关专利信息
输电线路覆冰图像
sigmoid函数
分支
Sigmoid函数
绝缘子覆冰
计量设备
集成学习模型
孤岛检测方法
梯度提升模型
孤岛检测系统