基于机器学习的有色金属冶炼工序识别

来源：电子测量技术杂志2022年第23期北京时间：

作者：汪繁荣，方祖春，刘宇航，汪筠涵

单位：1.湖北工业大学 电气与电子工程学院 武汉 430068; 2.襄阳湖北工业大学产业研究院 襄阳 441100

摘要：为实现生产工序的准确识别，提出基于机器学习的工序识别模型，分别选取时间卷积网络、长短期记忆网络、支持向量机构建工序识别模型，并结合某钛金属冶炼企业生产能耗数据对模型进行测试验证。首先对历史功率及工序数据进行预处理，然后根据生产特征构造用于模型训练及测试数据集，最后结合数据集对模型进行训练和测试。结果表明基于时间卷积网络的识别模型具有较高的工序识别准确率，针对测试集的工序识别准确率达96.94%。

关键词：机器学习;时间卷积网络;长短期记忆网络;支持向量机;工序识别

基金资助：国家自然科学基金资助项目(61903129)．