文献

J-GLOBAL ID：202002235679634453   整理番号：20A0374349

深層学習により処理されたコンバータ口火炎スペクトル情報による知的製鋼のための工業的なiot【JST・京大機械翻訳】

Industrial IoT for Intelligent Steelmaking With Converter Mouth Flame Spectrum Information Processed by Deep Learning

著者 (4件)： Han Yang (College of Metallurgy and Energy, North China University of Science and Technology, Tangshan, China) ,  Zhang Cai-Jun (College of Metallurgy and Energy, North China University of Science and Technology, Tangshan, China) ,  Wang Lu (Department of Discipline Construction, North China University of Science and Technology, Tangshan, China) ,  Zhang Yan-Chao (College of Metallurgy and Energy, North China University of Science and Technology, Tangshan, China)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 16  号： 4  ページ： 2640-2650  発行年： 2020年 
JST資料番号： W1434A  ISSN： 1551-3203  CODEN： ITIICH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文において,コンバータ口炎が製鋼プロセスの間のコンバータにおける物理的および化学的反応の包括的外部出現であるという事実に基づいて,コンバータ口火炎の連続スペクトル情報をUSB4000分光計によって得た。モノのインターネットのフレームワークにおいて,双方向再帰多重スケール畳込み深さニューラルネットワークアルゴリズムは,周波数領域構造と時間領域動的シーケンスの特性を考慮することができた。それをコンバータ口火炎スペクトル情報の深い学習に適用した。製鋼の後期段階における溶鋼中の炭素含有量と温度値の動的予測モデルを構築した。自動製鋼の静的制御システムと動的予測モデルを知的に融合して,1キー製鋼制御を実現した。結果は,製鋼の終わりにおける炭素含有量,温度,および炭素温度の平均ヒット率が94.78%,98.41%,および93.43%であることを示している。それは,製鋼の終点制御をより安定にし,吹込速度を1%未満にする。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測モデル ,  炭素 ,  分光計 ,  吹込 ,  化学反応 ,  連続スペクトル ,  畳込み ,  *製鋼 ,  *スペクトル ,  周波数領域 ,  制御系 ,  溶鋼
準シソーラス用語： 時間領域 ,  マルチスケール ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 電力変換器  (NB08030B)

タイトルに関連する用語 (6件)： 深層学習 ,  コンバータ ,  スペクトル ,  製鋼 ,  工業 ,  IoT