文献

J-GLOBAL ID：202102291017096055   整理番号：21A2437821

連続鋳造スラブの品質予測のためのマルチスケール畳込みおよびリカレントニューラルネットワーク【JST・京大機械翻訳】

Multiscale Convolutional and Recurrent Neural Network for Quality Prediction of Continuous Casting Slabs

著者 (10件)： Wu Xing (School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China) ,  Wu Xing (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai 200444, China) ,  Jin Hanlu (School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China) ,  Ye Xueming (School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China) ,  Wang Jianjia (School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China) ,  Wang Jianjia (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai 200444, China) ,  Lei Zuosheng (School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China) ,  Liu Ying (School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190, China) ,  Wang Jie (Center for Sustainable Development and Global Competitiveness, Stanford University, Stanford, CA 94305, USA) ,  Guo Yike (Department of Computing, Imperial College London, London SW7 2AZ, UK)
資料名： Processes (Web)  (Processes (Web))
巻： 9  号： 1  ページ： 33  発行年： 2020年 
JST資料番号： U7264A  ISSN： 2227-9717  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 連続鋳造プロセスにおける品質予測は,鋳造スラブの品質改良に非常に重要である。連続鋳造スラブ(CCSs)の品質と様々な要因の間の不確実性と非線形関係のため,CCS品質の信頼できる予測は鉄鋼業に挑戦する。しかし,ドメイン知識と専門知識に基づく従来の予測モデルは,様々な企業からの複数の操作条件と原材料の変化に順応するのが難しい。課題に応えるため,信頼できるCCS品質予測のためのマルチスケール畳込みと再帰ニューラルネットワーク(MCRNN)のフレームワークを提案した。提案したフレームワークは,入力が様々なスケールと周波数において変換されるので,より良い特徴表現を有する従来の時系列分類法より優れ,それは時系列の長期的傾向と短期変化の両方を捕捉する。さらに,連続鋳造データの自然不均衡による歪んだデータ分布の影響を緩和するために,ランダムアンダーサンプリング(RUS)法に基づく異なるカテゴリー分布を生成した。最新の手法との実験結果および包括的な比較は,提案したMCRNNフレームワークの優位性を示し,それは,満足な予測性能だけでなく,連続鋳造プロセス理解およびCCS品質を改善する良い可能性も有した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  不確実性 ,  鉄鋼業 ,  *鋳造 ,  *ニューラルネットワーク ,  *連続鋳造 ,  予測モデル ,  ドメイン知識
準シソーラス用語： 操作条件 ,  *マルチスケール ,  *リカレントニューラルネットワーク ,  予測性能 ,  *品質予測 ,  特徴表現 , 【Automatic Indexing@JST】

著者キーワード (6件)： 品質予測 ,  連続鋳造 ,  マルチスケール ,  畳込みニューラルネットワーク ,  時系列分類 ,  不均衡データ

分類 (2件)： 鋳造法,鋳込  (WC01030Q) ,  炉,鋳造設備  (WC01070I)

引用文献 (40件)：

• Nikiforova, V.A. World steel industry: Current challenges and development trends (analytical overview). Econ. Ind. 2018, 1, 86-114.
• Xiang, F.; Zhi, Z.; Jiang, G. Digital Twins technolgy and its data fusion in iron and steel product life cycle. In Proceedings of the 2018 IEEE 15th International Conference on Networking, Sensing and Control (ICNSC), Zhuhai, China, 27-29 March 2018; pp. 1-5.
• Mazumdar, D. Review, Analysis, and Modeling of Continuous Casting Tundish Systems. Steel Res. Int. 2019, 90, 1800279.
• Louhenkilpi, S. Continuous casting of steel. In Treatise on Process Metallurgy; Elsevier: Boston, MA, USA, 2014; pp. 373-434.
• Smirnov, A.; Kuberskii, S.; Smirnov, E.; Verzilov, A.; Maksaev, E. Influence of meniscus fluctuations in the mold on crust formation in slab casting. Steel Transl. 2017, 47, 478-482.

タイトルに関連する用語 (6件)： 連続鋳造 ,  スラブ ,  品質予測 ,  マルチスケール ,  畳込み ,  リカレントニューラルネットワーク