【技术实现步骤摘要】
本专利技术涉及工业智能控制，具体是涉及到一种基于lstm模型的烧结炉温度预测方法、设备及介质。
技术介绍
1、工业烧结炉作为冶金、陶瓷等领域的核心设备，其温度控制精度直接影响产品质量与能耗效率。烧结炉内部通常包含多个温度区域（如加热区、保温区等），各区域间存在复杂的热传导耦合效应，且温度变化呈现非线性、非平稳特性。
2、现有技术中，混合建模方法（如cn112685927a）通过机理模型与bp神经网络结合，虽能补偿部分仿真误差，但仍依赖有限元仿真数据，需预先构建复杂传热模型，导致计算延迟超过5秒。此外，该方法未引入时序建模技术（如滑动窗口或lstm），难以捕捉温度突变的动态特性，预测误差高达±10℃。另一类方案（如cn113901658b）通过声纹/温度矩阵提取设备健康状态，但其聚焦于寿命预测，未涉及烧结过程的实时温度控制，且未设计动态特征切换机制，高低温度区间数据混合导致模型灵敏度下降。
3、传统控制方法亦存在显著缺陷：pid控制依赖人工调参，无法自适应多区域温度耦合，超调量超过8%；简单时序模型（如arima）...
【技术保护点】
1.一种基于LSTM模型的烧结炉温度预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于LSTM模型的烧结炉温度预测方法，其特征在于，采用滑动窗口方法将动态选择后的综合输入特征集转换为历史时间步序列样本的方法包括：
3.如权利要求1所述的基于LSTM模型的烧结炉温度预测方法，其特征在于，生成二值恒温标志序列的方法包括：
4.如权利要求1所述的基于LSTM模型的烧结炉温度预测方法，其特征在于，根据预设温度阈值，动态选择所述综合输入特征集中的传感器组合的方法包括：
5.如权利要求1所述的基于LSTM模型的烧结炉温...
【技术特征摘要】
1.一种基于lstm模型的烧结炉温度预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于lstm模型的烧结炉温度预测方法，其特征在于，采用滑动窗口方法将动态选择后的综合输入特征集转换为历史时间步序列样本的方法包括：
3.如权利要求1所述的基于lstm模型的烧结炉温度预测方法，其特征在于，生成二值恒温标志序列的方法包括：
4.如权利要求1所述的基于lstm模型的烧结炉温度预测方法，其特征在于，根据预设温度阈值，动态选择所述综合输入特征集中的传感器组合的方法包括：
5.如权利要求1所述的基于lstm模型的烧结炉温度预测方法，其特征在于，构建所述长短期记忆网络模型的方法包括：
6.如权利要求1所述的基于lstm模型的烧结炉温度预测方法，其特征在于，所述方法还包括：基于归一化...
【专利技术属性】
技术研发人员：龙腾，杜祥林，王彧弋，胡秋平，林军，康高强，
申请(专利权)人：天元智能科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。