Graph convolutional gated recurrent unit based instability prediction for continuous casting

Peng, Yifei

doi:10.1177/03019233261446006

Graph convolutional gated recurrent unit based instability prediction for continuous casting

2026-01-01

0

PRE

AI

DOI：10.1177/03019233261446006

原文链接

原文求助

摘要

En 中文

由于连铸过程内部环境的复杂性，传感器参数容易失稳，导致产品质量下降、企业利润受损，甚至引发严重的钢水泄漏事故。传统失稳预测模型通过专家经验和传统时间序列模型对传感器状态进行分类和预警。然而，在失稳演化机制中，温度传感器间的动态空间相关性往往被忽视，导致预测精度低，无法为现场工作人员提供更可靠的决策建议。针对上述问题，本文提出了一种基于图卷积门控循环单元的连铸失稳预测模型。首先，构建滑动窗口样本，并利用余弦相似度计算多温度传感器间的动态空间相关性。其次，构建图卷积门控循环单元以充分提取温度时间序列的空间-时间融合特征，并构建基于多层感知器的分类器完成失稳预测。最后，采用多模式连铸轧生产线的薄板坯连铸技术中的两种常见失稳状态，通过构建二元和三元分类数据集验证所提出方法的有效性。

Keyword:

instability prediction

continuous casting

cosine similarity

graph convolutional network

gated recurrent unit

Graph convolutional gated recurrent unit based instability prediction for continuous casting

摘要

期刊

机构

引用论文