控制与决策

作者：李闯,毛志忠,欧阳,温远光

单位：沈阳飞机工业(集团)有限公司，沈阳 110850,,东北大学 信息科学与工程学院，沈阳 110819,,沈阳飞机工业(集团)有限公司，沈阳 110850,,沈阳飞机工业(集团)有限公司，沈阳 110850,

关键词：康斯迪电弧炉;LSTM网络;约束层;连续温度预测;冶炼知识;稀疏标签

在康斯迪电弧炉的冶炼过程中, 及时准确地预测钢水温度对优化整个冶炼过程、节约生产成本起到至关重要的作用. 然而, 受制于电弧炉极限的生产条件以及相当稀疏的温度测量次数, 无论是复杂的机理模型还是基于数据的机器学习模型都无法获得理想的预测结果. 针对这一问题, 通过将机理知识与LSTM网络相结合, 提出一种机理指导的LSTM网络模型实现对钢水温度连续准确的预测. 首先, 根据康斯迪电炉的冶炼特点,以LSTM网络为核心设计模型的基本结构; 然后, 提出一个约束层将模型中间层的输出限制在由冶炼机理确定的合理范围之内, 通过这种方式实现用冶炼知识指导网络的训练方向, 使模型的输出更符合冶炼实际, 同时又可弥补训练标签稀疏的问题; 最后, 使用现场收集的冶炼数据验证所提出的模型的有效性. 实验结果表明, 相比于其他温度预测模型, 所提出的模型的预测精度更高且与冶炼机理知识更相符.

来源：2025年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第10期