sintering专题

FeO Content Prediction for an Industrial Sintering Process based on Supervised Deep Belief Network

Abstract 基于应用于工业烧结过程中,监控关键质量指标非常重要,指标难以在线测量。软测量技术是一种很好地在线测量质量指标的解决方案。深度学习的非线性数据处理能力被广泛应用于软测量领域。 本文提出了一种有监督的深度置信网络(SDBN),通过每个受限玻尔兹曼机的输入变量中引入质量变量来提取软传感器的质量相关特征。 通过对一个实际工业烧结过程的实例研究,SDBN显示出比原始的深度信念网络和堆